上下文 (Context)

上下文 (Context) 是单次推理发送给 LLM 的完整信息集。它是 AI 在那一刻看到的“世界”。

典型的上下文由多个层构建，从一般到具体排序：

• 角色：定义 Agent 是谁。
• 内容：“你是 OpenClaw，一个有用的 AI 助手。你回答简洁…”
• 优先级：高。这设定了行为基准。

• 时间：“当前日期：2023-10-27”。
• 用户信息：“用户名：Alice。位置：纽约。”
• 操作系统/平台：“运行在 Linux 上。渠道：Telegram。”

• Schema：可用函数的 JSON 描述（例如 web_search, read_file）。
• 指令：“如果用户询问时事，请使用 web_search。”

• 检索：根据用户最新的查询从向量数据库中提取的相关片段。
• 内容：“Alice 在之前的聊天中提到她喜欢寿司。”

• 聊天：实际的来回消息。
• [User]: 嗨！
• [Agent]: 你好！有什么我可以帮你的吗？
• [User]: 天气怎么样？
• 压缩：较旧的历史记录可能会在此处被替换为摘要。

• 思维链 (Chain-of-Thought)：如果 Agent 正在“思考”，之前的推理步骤将包含在此处以指导最终答案。

上下文窗口 是此组合文本的最大大小（以 Token 为单位）。

• GPT-4: 8k 或 32k 或 128k。
• Claude 3: 200k。
• Llama 3: 8k/128k。

OpenClaw 动态管理此预算：

1. 预留 系统提示和工具的空间（必须始终适合）。
2. 填充 历史记录（最新的优先）。
3. 注入 RAG 记忆（如果空间允许）。
4. 截断 或 压缩 最旧的历史记录（如果达到限制）。

要确切查看 Agent 看到的内容，您通常可以使用详细日志运行：

openclaw run --verbose

这将打印发送给 LLM 的完整提示，允许您检查记忆是否被检索，或者历史记录是否被正确截断。