今天在使用 OpenClaw（一个本地 AI Agent 框架）的过程中，我的 session 上下文直接撞上了 200K token 的硬顶，Claude API 返回了 503 错误，整个对话直接挂掉。

这不是理论问题，是真实踩坑。记录一下发生了什么，以及怎么解决的。

TL;DR：长对话 + 图片 + 工具调用 = 上下文爆炸。解决方案是自动压缩 + 主动压缩 + 把重要信息写入文件而不是靠上下文记忆。

发生了什么

Claude 的上下文窗口是 200K token。听起来很大，但在实际的 Agent 工作流中，消耗速度远超你的想象：

• 每次工具调用（读文件、执行命令、搜索）的输入输出都会计入上下文

• 图片是 token 大户，一张截图可能吃掉几千 token

• 系统提示词（system prompt）+ 工作区文件注入，开局就占了 20K+

• 长对话中每一轮的历史消息都在累积

今天的场景是：一个 session 里连续做了多个任务——搭项目、调试代码、搜索信息、截图分析——上下文在不知不觉中逼近 200K，最终 API 直接返回 503，session 崩溃。

为什么 200K 不够用

简单算一笔账：

• 系统提示词 + 工作区注入：~20K token

• 每轮对话（用户消息 + AI 回复 + 工具调用）：平均 2-5K token

• 一张图片：1-5K token

• 读一个文件：几百到几千 token

一个活跃的 Agent session，30-50 轮对话就能轻松吃满 200K。如果中间有大量图片或长文件读取，可能 20 轮就到顶了。

解决方案

1. 自动压缩（Safeguard Compaction）

这是踩坑之后配置的第一道防线。在 OpenClaw 的配置文件 openclaw.json 中，可以设置自动压缩策略：

{

"compaction": {

"mode": "safeguard",

"reserveTokensFloor": 30000

}

}

reserveTokensFloor: 30000 的意思是：当上下文剩余空间不足 30K token 时，系统自动触发压缩。不用人工干预，不用盯着 token 数，系统自己兜底。

压缩效果相当可观。实测一次 compaction 可以把 175K 压到 21K，释放 88% 的空间：

⚙️ Compacted (175k → 21k) • Context 21k/200k (10%)

代价是丢失一些对话细节，但核心信息和决策会被保留。

2. 主动压缩（Manual Compaction）

除了自动兜底，你也可以随时手动触发压缩。在 OpenClaw 中输入 /compact 命令即可。适合在你意识到当前 session 已经很长、接下来还有大量工作要做的时候，主动清理一波。

3. 文件 > 记忆

这是最重要的原则：不要依赖上下文来"记住"东西，把重要信息写到文件里。

上下文是易失的——压缩会丢细节，session 重启会全部清空。但文件是持久的。具体做法：

• 做完一个任务，把结论写入 memory 文件

• 重要的决策和偏好写入长期记忆（MEMORY.md）

• 项目配置、账号信息等写入专门的文件

这样即使上下文被压缩或 session 重启，Agent 也能通过读文件恢复状态。

4. 图片密集任务用 Sub-agent

图片是上下文杀手。如果需要批量处理图片、反复截图对比，应该 spawn 一个子 session（sub-agent）来做，避免主 session 被图片撑爆。

子 session 有独立的上下文空间，爆了也不影响主 session。

5. 一个 Session 一个任务

不要在一个 session 里做太多不相关的事。搭项目是一个 session，写文章是另一个 session。用 /new 开新 session 的成本很低，但上下文爆炸的代价很高。

给 AI Agent 用户的建议

• 配置自动压缩：设一个合理的 reserveTokensFloor（推荐 30K），让系统自动兜底

• 关注上下文用量：大多数 Agent 框架会显示当前上下文占用，养成看一眼的习惯

• 写文件不写脑子：让 Agent 把重要信息持久化到文件，而不是全靠上下文扛

• 拆分任务：大任务拆成多个 session 或 sub-agent

• 少发图片：能用文字描述的就别截图，图片是 token 黑洞

写在最后

上下文窗口是当前 LLM 的硬约束，200K 听起来很大，但在真实的 Agent 工作流中消耗极快。与其祈祷模型厂商把窗口开到 1M、10M，不如现在就养成好习惯：主动管理上下文，把记忆外化到文件系统。

毕竟，人类也不是靠大脑记住一切的——我们有笔记本、日记、备忘录。AI Agent 也一样。