token-optimizer

Token Optimizer Skill

此 Skill 提供流程知识，帮助你保持 OpenClaw 实例精简高效。

快速参考

问题	解决方案
后台任务导致上下文膨胀	Cron 隔离（sessionTarget: "isolated"）
每轮都读取完整历史记录	使用 memory_search 进行本地 RAG
上下文超过 100k 个 token	重置与总结协议
查找旧对话	对会话记录进行索引

---

工作流 1：定期任务隔离

为避免后台任务导致主对话上下文膨胀，请始终将其隔离。

步骤

1. 找到你的 openclaw.json 配置文件。
2. 在 cron.jobs 数组中，为无需纳入主聊天历史记录的任务设置 sessionTarget: "isolated"。
3. 如果需要人工干预，请在任务负载中使用 message 工具。

配置示例

{
  "cron": {
    "jobs": [
      {
        "name": "Background Check",
        "schedule": { "kind": "every", "everyMs": 1800000 },
        "sessionTarget": "isolated",
        "payload": {
          "kind": "agentTurn",
          "message": "Check for updates. If found, use message tool to notify user.",
          "deliver": true
        }
      }
    ]
  }
}

要点

• sessionTarget: "isolated" 会在独立的临时会话中运行任务
• 使用 deliver: true 将结果发送回主频道
• 隔离会话不会让心跳或检查历史记录污染主上下文

---

工作流 2：重置与总结（“数字灵魂”协议）

当上下文用量（可通过 📊 session_status 查看）超过 100k 个 token 时，请手动整合上下文。

步骤

1. 检查上下文：运行 📊 session_status，查看当前 token 用量
2. 扫描历史记录：检查当前会话中的新事实、偏好或项目更新
3. 更新 MEMORY.md：将这些新事实追加到长期记忆文件中
4. 每日日志：确保 memory/YYYY-MM-DD.md 已记录当天事件
5. 重启：运行 openclaw gateway restart 清除当前历史记录

触发时机

• 上下文超过 100k 个 token
• 会话已持续数天
• 响应明显变慢
• 用户明确要求“重新开始”

---

工作流 3：本地 RAG 配置

配置本地嵌入，以便高效检索并避免消耗过多 token。

配置（openclaw.json）

{
  "memorySearch": {
    "embedding": {
      "provider": "local",
      "model": "hf:second-state/All-MiniLM-L6-v2-Embedding-GGUF"
    },
    "store": "sqlite",
    "paths": ["memory/", "MEMORY.md"],
    "extraPaths": []
  }
}

使用方法

使用 memory_search 从日志中检索上下文，而不是加载所有内容：

memory_search(query="what did we decide about the API design")

该工具会返回相关片段及其文件路径和行号。使用 memory_get 提取特定章节。

---

工作流 4：会话记录索引（高级）

为会话记录（.jsonl 文件）建立索引，以便搜索对话历史。

工作原理

OpenClaw 将会话记录存储在 ~/.openclaw/sessions/ 中。可为这些记录建立索引，以进行语义搜索，让你无需将旧对话载入上下文即可查找它们。

配置

将会话记录路径添加到 memorySearch.extraPaths：

{
  "memorySearch": {
    "extraPaths": [
      "~/.openclaw/sessions/*.jsonl"
    ]
  }
}

最佳实践

• 有选择地建立索引（近期会话、重要对话）
• 使用基于日期的筛选来限制搜索范围
• 建立索引后，将旧会话记录归档到冷存储

---

工作流 5：混合搜索（向量 + BM25）

结合语义搜索与关键词匹配，实现更准确的检索。

为什么使用混合搜索？

搜索类型	优势	劣势
向量（语义）	查找概念相似的内容	可能漏掉精确词语
BM25（关键词）	查找精确匹配项	会漏掉同义词或释义
混合搜索	兼得两者之长	计算量略高

使用方法

当 memory_search 返回的结果置信度较低时：

1. 尝试用不同措辞进行搜索（语义变体）
2. 搜索你记得的精确关键词（BM25 方式）
3. 如有需要，手动合并结果

后续改进

OpenClaw 的 RAG 系统未来可能支持原生混合搜索。目前，如果精度很重要，请运行多条查询。

---

故障排除

“我的上下文增长得太快了”

1. 检查 Cron 任务：是否已隔离？
2. 检查心跳频率：频率过高 = 消耗更多 token
3. 是否不必要地加载了大型文件？

“memory_search 没有返回任何内容”

1. 确认已在 openclaw.json 中配置 memorySearch
2. 检查是否已下载嵌入模型
3. 确保记忆文件存在且包含内容

“重启后上下文没有清除”

重启会清除会话历史，但：

• 系统提示词始终会加载
• 工作区文件（MEMORY.md 等）会重新注入
• 这是为了保持连续性而设计的

---

致谢

• Pépère（shAde）— 原始构想和文档
• Zayan（Clément）— 实现和测试

为 OpenClaw 社区打造。 🦦😸