build-your-own-openclaw/05-compaction/README.zh.md

步骤 05：压缩

打包历史，继续前进...

前置条件

与步骤 00 相同 - 复制配置文件并添加你的 API 密钥：

cp default_workspace/config.example.yaml default_workspace/config.user.yaml
# 编辑 config.user.yaml 添加你的 API 密钥

这节做什么

聊久了上下文会爆。压缩就是把旧消息总结一下，滚动到新会话继续聊。

• 上下文超过阈值？
• 截断过大的工具结果。
• 仍然过大？
• 总结旧消息。
• 滚动到新会话。

关键组件

• Token 估算：用 litellm 的 token_counter
• 截断策略：先截大工具结果，再总结旧消息
• 上下文压缩：总结旧消息，作为新会话的前几个提示
• 命令：/compact 手动压缩，/context 看使用量

src/mybot/core/context_guard.py - 新文件

@dataclass
class ContextGuard:
    token_threshold: int = 160000  # 80% of 200k context

    def estimate_tokens(self, state: SessionState) -> int:
        return token_counter(model=state.agent.agent_def.llm.model, messages=state.build_messages())

    async def check_and_compact(self, state: SessionState) -> SessionState:
        token_count =

        if self.estimate_tokens(state) < self.token_threshold:
            return state

        state.messages = self._truncate_large_tool_results(state.messages)

        if self.estimate_tokens(state) < self.token_threshold:
            return state

        return await self._compact_messages(state)

src/mybot/core/agent.py - 集成

async def chat(self, message: str) -> str:
    # ... add user message ...

    while True:
        messages = self.state.build_messages()
        # Check and compact before LLM call
        self.state = await self.context_guard.check_and_compact(self.state)
        content, tool_calls = await self.agent.llm.chat(messages, tool_schemas)

试一试

cd 05-compaction
uv run my-bot chat

# Check context usage anytime:
# You: /context
# **Messages:** 12
# **Tokens:** 15,420 (9.6% of 160,000 threshold)

# You: /compact
# ✓ Context compacted. 8 messages retained.

下一步

步骤 06：Web 工具 - 添加网络搜索和 URL 阅读功能