OpenClaw Session 管理完全指南：Context 压缩、重置与持久化

AI攻城狮
19 阅读4分钟

OpenClaw Session 管理完全指南：Context 压缩、重置与持久化

用过 OpenClaw 的人都会遇到一个问题：聊着聊着，AI 的回复开始变得迟钝、前言不搭后语，甚至报错"context too large"。这背后是大模型固有的 context window 限制在作怪。

OpenClaw 为此设计了一套完整的 Session 管理机制。理解它，能让你的 AI Agent 长期稳定运行。

一、什么是 Session

OpenClaw 把每一个对话维度都映射成一个 Session：

  • 与某人的私聊 → 一个 Session
  • 某个群组 → 一个 Session
  • Discord/Slack 某个 Thread → 一个 Session
  • Cron 定时任务 → 每次运行独立生成新 Session

Session 的核心标识是 sessionKey（比如 agent:main:feishu:direct:ou_xxx），状态保存在：

~/.openclaw/agents/<agentId>/sessions/sessions.json       # Session 索引
~/.openclaw/agents/<agentId>/sessions/<sessionId>.jsonl   # 完整对话历史

二、Context Window 与压缩机制

为什么需要压缩

每个大模型都有 context window 上限（比如 Claude Sonnet 是 200k tokens）。一个长对话会不断往 context 里塞入：

  • 用户消息和 AI 回复
  • Tool call 的输入和输出
  • 系统提示和工作区文件

积累到一定程度，不是报错，就是模型开始"忘事"。

自动压缩（Auto-compaction）

OpenClaw 默认开启自动压缩。当 Session 接近 context window 上限时，自动触发：

  1. 把旧的对话历史总结成一段 summary
  2. 保留最近的消息不动
  3. 把压缩结果持久化到 JSONL 文件

之后的对话会看到：

  • summary（旧对话的摘要）
  • 最近的消息

在 verbose 模式下你会看到 🧹 Auto-compaction complete，/status 也会显示压缩次数。

手动压缩

不用等自动触发，随时可以手动压缩：

/compact

还可以带指令，引导 AI 怎么总结：

/compact 重点保留所有技术决策和代码变更，忽略闲聊

什么时候手动压缩比较好？

  • 切换话题前（把旧话题压缩掉，避免干扰）
  • 感觉 AI 开始"混乱"时
  • 即将开始一个重要的长任务前

压缩 vs 裁剪（Pruning）

这两个概念容易混淆：

压缩（Compaction）裁剪（Pruning）
对象整个对话历史只针对 Tool 调用输出
方式总结归纳直接截断
持久化✅ 写入 JSONL❌ 仅内存，每次请求临时处理
触发方式自动 + 手动自动（按配置）

配置裁剪策略：

{
  "agents": {
    "defaults": {
      "contextPruning": true
    }
  }
}

三、/new 与 /reset：开启全新对话

当你想彻底抛开旧的上下文、重新开始时：

/new
/reset

两个命令效果几乎相同：生成一个新的 Session ID，旧的 JSONL 文件保留存档（不会删除）。

唯一区别：/new 支持同时切换模型：

/new kimi
/new claude-opus

一条命令，重置 session + 切换模型，非常方便。

/compact 与 /new 的选择

场景建议
同一个项目，只是对话太长/compact
切换到完全不同的话题/new
发现 AI "记错了"重要信息/new
切换模型顺便重置/new <model>

四、Session 存储结构

sessions.json

Session 索引文件，记录每个 sessionKey 的元数据：

{
  "agent:main:feishu:direct:ou_xxx": {
    "sessionId": "abc123",
    "updatedAt": "2026-03-03T06:00:00Z",
    "inputTokens": 45000,
    "outputTokens": 12000,
    "totalTokens": 57000
  }
}

JSONL 历史文件

每条消息、每次 tool call 都记录在 .jsonl 文件里，按行存储 JSON。这是 OpenClaw 的"单一真相来源"，gateway 重启后从这里恢复状态。

五、DM Session 的多用户隔离

默认情况下，所有私聊共享同一个 Session（dmScope: "main"）。如果你的 Agent 会被多人使用，必须开启隔离，否则用户之间的上下文会互相泄漏！

// ~/.openclaw/openclaw.json
{
  "session": {
    "dmScope": "per-channel-peer"
  }
}

dmScope 选项：

值隔离维度
main所有 DM 共享（单用户推荐）
per-peer按发送者隔离
per-channel-peer按渠道 + 发送者隔离（多用户推荐）
per-account-channel-peer按账号 + 渠道 + 发送者（多账号场景）

六、Session 维护与清理

长期运行的 Agent，sessions.json 会不断增长。OpenClaw 内置了自动维护策略：

默认配置：

{
  "session": {
    "maintenance": {
      "mode": "warn",          // warn=只报告，enforce=真正清理
      "pruneAfter": "30d",     // 30天未活跃的 Session 归档
      "maxEntries": 500,        // 最多保留 500 个 Session 条目
      "rotateBytes": "10mb"    // sessions.json 超过 10MB 时轮转
    }
  }
}

建议生产环境开启 enforce 模式：

{
  "session": {
    "maintenance": {
      "mode": "enforce",
      "pruneAfter": "14d",
      "maxEntries": 200
    }
  }
}

手动触发清理：

openclaw sessions cleanup
openclaw sessions cleanup --dry-run  # 先预览，不真正删除

七、实用命令速查

# 查看当前 Session 状态（token 使用量、压缩次数）
/status

# 查看 context 组成（哪些东西占了多少 token）
/context list
/context detail

# 压缩对话历史
/compact
/compact 保留技术决策，忽略闲聊

# 开新 Session
/new
/new kimi          # 同时切换到 kimi 模型

# 查看所有 Session
openclaw sessions --json

# 清理过期 Session
openclaw sessions cleanup

八、总结

OpenClaw 的 Session 管理是一个设计精良的系统：

  • 自动压缩保证了长对话的连续性，不用担心 context 爆掉
  • 手动 /compact 让你在切换话题时保持清晰
  • /new 重置 适合需要全新上下文的场景，还能顺便换模型
  • 多用户隔离 是部署给多人使用时的安全必选项
  • 维护策略 保证磁盘不会无限增长

理解这套机制，你的 OpenClaw Agent 就能在长时间、高强度使用下保持稳定和高效。

avatar
文章
阅读
粉丝