openhands是all-hands-ai维护的ai agent框架，非真实存在的openclaw；启用长文本需同时满足：①模型服务端支持长上下文，②config.toml中[llm]节配置context_window，③[agent]节启用enable_history_truncation=true。
☞☞☞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☜☜☜
OpenClaw并不是一个真实存在的开源项目，当前主流AI Agent框架中没有名为OpenClaw的官方库或工具。你可能混淆了名称——实际想配置的是OpenHands，它是All-Hands-AI团队维护的、广泛用于代码任务自动化与模型评估的智能体框架，且明确支持长上下文模型接入与上下文截断机制。
确认配置目标：不是OpenClaw，而是OpenHands
在GitHub、PyPI、Docker Hub及所有主流技术文档中均无“OpenClaw”项目记录。所有关于长文本模型适配、智能上下文管理、SWE-bench评估等描述，均指向OpenHands（github.com/All-Hands-AI/OpenHands）。请将本地配置文件路径、命令行操作、模型参数全部对应到OpenHands项目。
启用长文本支持的三大必要配置
OpenHands本身不内置大模型，它通过LLM API调用外部模型。要真正发挥长文本能力，必须同时满足以下三项：
① 模型服务端支持长上下文（如Qwen2.5-72B-Instruct支持200K tokens，Claude-3.5-Sonnet支持200K，GPT-4o-mini支持128K）；
② OpenHands配置中显式声明该模型的context_window值；
③ 启用agent层的历史截断机制，否则超出限制会直接报错中断。
【必须修改config.toml中的[agent]和[llm]两节，缺一不可】
修改config.toml启用长上下文处理
打开项目根目录下的config.toml（若不存在，先复制config.template.toml并重命名）；
定位到[agent]区块，将enable_history_truncation = false改为true；
在[llm]区块下方新增一行：context_window = 200000（数值需严格匹配你所用模型的官方上下文上限，例如Qwen2.5-72B填200000，Llama-3.1-405B填131072）；
保存文件。此步不做，即使模型本身支持200K，OpenHands也会按默认16K硬截断，导致长文档解析失败。
为国内用户配置百度文心ERNIE长文本模型
方法一：直连百度千帆平台（推荐）
在config.toml中添加独立模型段落：
[llm.ernie-long]
model = "ernie-bot-4"
base_url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions"
api_key = "your_baidu_api_key"
context_window = 192000
temperature = 0.0
方法二：对接本地Ollama托管的Qwen2.5-72B
[llm.qwen72b]
model = "qwen2.5:72b"
base_url = "http://host.docker.internal:11434/v1"
api_key = "ollama"
context_window = 200000
max_tokens = 8192
【注意：Ollama模型必须已通过ollama run qwen2.5:72b拉取并运行，且容器网络配置了--add-host host.docker.internal:host-gateway】
验证长文本能力是否生效
启动OpenHands CLI并加载新模型配置：
openhands --model-name ernie-long --max-iterations 50
在交互界面输入测试指令：“请逐行分析以下1000行Python代码的异常风险点”，然后粘贴一段超长代码（≥50KB）；
观察日志输出中是否出现Truncating history to fit context window提示——出现即表示截断机制已激活，模型正在动态压缩历史而非直接报错退出。
