1. OpenClaw 会话为什么会“失忆”以及这篇要解决什么如果你用 OpenClaw 跑过稍微长一点的任务大概率遇到过这种场面前面刚交代完“这个项目用 pnpm不要用 npm”聊到第三轮它就开始 npm install或者关掉终端第二天回来它像第一次见你一样问“请问有什么可以帮您”。这不是 OpenClaw 坏了而是大模型上下文窗口的物理限制在起作用——窗口就那么大塞满了就得丢东西丢得不巧就丢掉了关键信息。OpenClaw 的会话管理体系其实比多数 Agent 框架都细它把“记忆”拆成了三层短期上下文压缩Compaction、工具输出裁剪Session Pruning、跨会话长期记忆向量化检索 CLAUDE.md。三层各管各的配置对了就能从“聊三句就忘”变成“跨天还记得你的项目约定”。这篇就聚焦落地给你 config.toml 和 settings.json 的骨架把 TaoToken 统一 Key 接进去再一步步演示 Compaction 和 Session Pruning 怎么配、怎么验证会话记忆真的连续了。适合谁看已经在用 OpenClaw 但被“失忆”折磨的开发者想给团队搭一个长期在线的 Agent、又不想每次重新交代规则的工程同学以及手上有多套模型 Key、想统一走一个 API 通道省事的人。下面所有配置都可以直接抄改改路径就能跑。2. 前置准备用 TaoToken 统一 Key 打通模型通道OpenClaw 本身不绑定某一家模型它通过 API 通道去调模型。问题在于如果你同时用几家模型Key 散落在各处切换模型要改配置、换环境变量会话一多很容易乱。TaoToken 在这里的作用就是做一个统一的 API 入口一个 Key、一个 base_urlOpenClaw 里所有模型请求都走它省掉多 Key 管理的麻烦。先拿到 Key。打开 https://taotoken.net/api-keys 登录后创建一个 API Key复制出来形如sk-xxxxxxxx。这个 Key 就是后面 config.toml 里要填的东西。注意别把它提交到 Git建议放环境变量或本地配置文件。TaoToken 的 API 地址是 https://taotoken.net/api OpenClaw 里配置 base_url 时填这个注意结尾不要多加/v1OpenClaw 会自己拼路径具体以你版本为准填错会在第 5 节报错里体现。模型名按你实际要用的填比如claude-sonnet-4-5这类TaoToken 支持的模型列表可以在模型对话页 https://taotoken.net/models 里确认。如果你还没装 OpenClaw先按官方方式装好确认openclaw --version能输出版本号。然后我们进入配置环节。这里有个小坑OpenClaw 的配置分两处config.toml管模型通道和全局参数settings.json管会话、记忆、裁剪这些行为。两处都要改别只改一个。3. 可复制配置config.toml 与 settings.json 骨架先看config.toml它负责把模型请求指向 TaoToken。路径一般在~/.openclaw/config.toml没有就新建# ~/.openclaw/config.toml [provider] name taotoken base_url https://taotoken.net/api api_key sk-你的TaoToken密钥 default_model claude-sonnet-4-5 [provider.options] timeout 120 max_retries 3base_url填 TaoToken 的 API 地址api_key填刚才创建的 Key。default_model是你默认用的模型后面 settings.json 里如果没单独指定就按这个走。timeout给 120 秒长任务别设太短否则压缩或长回复容易超时。再看settings.json它管会话和记忆行为。路径一般在~/.openclaw/settings.json{ session: { dmScope: per-channel-peer, reset: { mode: daily, atHour: 4 }, maintenance: { mode: enforce, pruneAfter: 14d, maxEntries: 200, rotateBytes: 10mb } }, agent: { contextPruning: { mode: cache-ttl, ttl: 5m, keepLastAssistants: 3, softTrimRatio: 0.3, hardClearRatio: 0.5, minPrunableToolChars: 50000, tools: { allow: [exec, read, Glob], deny: [*image*, WebFetch] } }, reserveTokensFloor: 20000 }, autoMemoryEnabled: true }这份骨架里dmScope用per-channel-peer做用户隔离reset每天凌晨 4 点重置会话contextPruning开启 cache-ttl 裁剪reserveTokensFloor预留 2 万 token 给压缩兜底。autoMemoryEnabled打开自动记忆。这些参数下一节会逐个解释先保证文件能解析——JSON 别写注释TOML 可以。注意settings.json是严格 JSON多一个逗号都会导致 OpenClaw 启动时报解析错误。改完用python -m json.tool ~/.openclaw/settings.json校验一下最稳。4. Compaction 与 Session Pruning 参数配置实战Compaction 和 Pruning 是两套独立机制很多人搞混。简单说Compaction 管“历史对话太长”把旧消息压成摘要写回磁盘Pruning 管“工具输出太大”只在内存里裁掉过时的工具结果不动磁盘文件。一个持久、一个临时。先配 Compaction。它主要由reserveTokensFloor控制触发时机——当剩余可用 token 低于这个值时自动压缩。默认 20000对话特别长的项目可以调到 30000{ agent: { reserveTokensFloor: 30000 } }手动触发用/compact还能带指令引导摘要方向。比如你刚讨论完一堆架构决策想压缩但保留决策/compact 重点保留技术选型和架构决策忽略闲聊和调试过程压缩完成后Verbose 模式下会看到 Auto-compaction complete日志。压缩结果写进会话的 JSONL 文件原始消息被摘要替换这一步不可逆所以重要中间结果建议先手动存到外部笔记。再配 Pruning。核心是mode: cache-ttl加ttl意思是会话闲置超过 ttl 后下次请求前自动裁剪旧工具输出。keepLastAssistants: 3保护最近 3 条助手消息的工具结果不被裁softTrimRatio和hardClearRatio控制软裁剪和硬清除的触发比例{ agent: { contextPruning: { mode: cache-ttl, ttl: 5m, keepLastAssistants: 3, softTrimRatio: 0.3, hardClearRatio: 0.5, minPrunableToolChars: 50000, tools: { allow: [exec, read, Glob], deny: [*image*, WebFetch] } } } }软裁剪对超过 5 万字符的大结果保留首尾各 1500 字符中间用占位符替代硬清除对更早的输出整条替换成[Old tool result content cleared]。tools.deny里把WebFetch排除是因为网页抓取结果有时需要反复引用裁了反而麻烦。含图片的工具结果默认跳过不用额外配。两套机制可以同时开互不干扰。Pruning 每次请求都在优化体积Compaction 在真正满载时兜底。实测下来同时开之后长任务的 token 消耗能降一截回复也不会突然变短。5. 验证请求确认会话记忆真的连续了配完不能只看日志得实际验证。分三步走。第一步确认模型通道通了。发一条最简单的请求openclaw run 用一句话说明你现在用的是哪个模型如果返回正常说明 TaoToken 的 base_url 和 Key 配对了。如果报 401是 Key 错了报 404多半是 base_url 多写了/v1或少了路径回第 3 节检查。第二步验证跨轮记忆。开一个会话先交代一条规则再隔几轮问它openclaw run 记住本项目所有命令都用 pnpm不要用 npm # 随便聊几轮别的 openclaw run 刚才我说本项目用什么包管理器如果它答出 pnpm说明当前会话的短期上下文是连续的。这一步验证的是 Session 层。第三步验证跨会话持久化。把规则写进项目根目录的CLAUDE.md## 项目约定 - 包管理器统一用 pnpm - 提交前必须跑 pnpm lint然后关掉会话重新开一个直接问openclaw run 本项目提交前要跑什么命令答出pnpm lint说明 CLAUDE.md 被正确加载长期记忆生效了。这一步验证的是 Memory 层。如果没生效检查 CLAUDE.md 是不是放在项目根目录、文件名大小写对不对。想更直观地看上下文组成用openclaw /context detail它会列出当前上下文里各部分占了多少 token压缩和裁剪有没有生效一目了然。6. 本篇常见错排查报错一context too large仍然出现。说明 Compaction 没触发或reserveTokensFloor设太小。先确认 settings.json 里这个值存在且合理20000 起再手动/compact一次看是否恢复。如果手动也不行检查模型本身的窗口大小别把 8k 窗口的模型当 200k 用。报错二改了 settings.json 后 OpenClaw 起不来。九成是 JSON 格式错。用python -m json.tool校验重点看尾逗号、中文引号、注释。TOML 那边相对宽松但api_key别带多余空格。报错三Pruning 开了但 token 没降。检查mode是不是写成了off以及ttl是否合理。如果对话一直很活跃、没有超过 ttl 的闲置间隙Pruning 不会触发这是正常的。另外tools.allow里没列的工具不会被裁确认你要裁的工具在列表里。报错四跨会话记忆不生效。先确认autoMemoryEnabled为 true再看~/.claude/projects/project-hash/memory/MEMORY.md有没有内容。如果用的是手动 CLAUDE.md确认文件在项目根目录且被 OpenClaw 识别。多项目场景下不同项目的 CLAUDE.md 不会互相污染这点可以放心。报错五TaoToken 请求超时。把 config.toml 里的timeout调大长任务建议 180 秒。同时确认网络能正常访问 https://taotoken.net/api 公司内网有出口限制的话找运维放行。7. 把长期记忆跑顺从统一 Key 开始会话管理和上下文持久化这件事配置本身不复杂难的是把模型通道、会话策略、记忆机制三块串起来。TaoToken 在这里省掉的是最烦的那部分——多 Key 管理。一个 Key 走通所有模型请求config.toml 里改一行 base_url 就完事剩下的精力全放在 Compaction 和 Pruning 的调参上。如果你还在被“失忆”折腾建议按这个顺序来先把 TaoToken 的 Key 配进 config.toml 确认通道通再开 Pruning 降 token最后用 CLAUDE.md 把跨会话规则固化下来。三步走完OpenClaw 基本就能从“聊完就忘”变成“记得住项目的老伙计”。需要接着调模型或看接入细节可以从这几个入口进模型对话 https://taotoken.net/models Coding Plan https://taotoken.net/coding-plan 控制台 https://taotoken.net/console API Keys https://taotoken.net/api-keys 接入文档 https://taotoken.net/doc 。长期跑编码和 Agent 任务的直接上 Coding Plan 更省心。