需主动控制上下文长度以节省Token：删冗余消息（重复提问、寒暄、过时结论）；用人工压缩或【/summarize】生成摘要替代长历史；分五步精简Prompt——提核心指令、固角色设定、用占位符、删自我指代、验效果。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在阶跃AI中进行多轮对话时，过长的Prompt会迅速耗尽Token配额，导致后续回复被截断或模型理解偏差。你需要主动控制上下文长度，而不是依赖默认机制被动裁剪。
识别当前上下文中的冗余信息
打开对话历史面板，逐条查看过往消息，重点关注用户重复提问、模型重复确认、无实质信息的寒暄语（如“好的”“明白了”“谢谢”）。
特别注意那些已被后续消息覆盖或否定的中间结论——它们占用Token却不再起作用，必须删减。
这一步操作起来很简单，直接点击每条消息右侧的「删除」图标即可移除单条记录。
用摘要替代原始对话片段
方法一：人工压缩关键信息
把连续3～5轮问答提炼成1句事实陈述，例如将“用户问天气→模型查北京→用户说不是北京是上海→模型查上海→用户确认”压缩为：“用户需查询上海今日天气”。
方法二：调用阶跃AI内置摘要功能
在输入框中输入 【/summarize】 → 按回车 → 系统自动生成当前上下文摘要 → 将生成结果复制粘贴到新Prompt开头，再清空历史。
注意：/summarize 仅对最近10轮生效，超出部分不会纳入摘要，务必先手动清理远期无关对话。
一款AI工具，主要用于OpenClaw 确定性模型路由：支持前缀路由（`@codex` / `@mini`）、时区感知的调度切换、切换后验证、回滚以及锁保护，适合需要提升相关任务效率的用户。
分阶段构建精简Prompt
第一步：提取核心指令
从首轮提问中剥离出不可省略的动作动词和对象，例如“对比A和B的优缺点”保留，“请问你能帮我看看吗”删除。
第二步：固化角色设定
用一行声明替代多次重复说明，例如把“你是一个资深产品经理”写成“角色：资深产品经理”，放在Prompt最开头。
第三步：替换变量占位符
将反复出现的具体数值、名称、日期等替换成{product_name}、{target_date}等占位符，后续只需传入新值，无需重写整段Prompt。
第四步：移除模型自我指代语句
删除所有“作为AI助手”“我将为您…”类表述，阶跃AI默认已知自身身份，这类语句纯属Token浪费。
第五步：验证精简效果
把压缩后的Prompt粘贴进新对话窗口 → 发送 → 观察首句回复是否准确承接意图；若偏离，说明关键约束条件被误删，需回溯补全。
