codex长任务token用量由实际处理的全部上下文决定，包括指令、文件、历史、工具描述、执行结果及缓存记录；净用量=(input−cached_input)+output，缓存命中率低易致超支。
☞☞☞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☜☜☜
Codex长任务的token用量不是简单数你输入了几句话，而是由模型实际处理的全部上下文决定——包括你刚打的那行指令、它自动带上的项目文件、历史会话、工具描述、执行结果，甚至缓存读取记录。一次“重构登录模块”的请求，可能比100条简单问答消耗更多token。
长任务token构成拆解
打开 Codex 的本地 session 日志目录（默认在 ~/.codex/logs/），找到最近一次长任务对应的 JSONL 文件。每条日志里都有 "event": "token_count" 字段，里面明确列出：
• input：所有送入模型的文本总 token 数（含代码文件、AGENTS.md、错误日志、会话历史）
• cached_input：从本地缓存直接复用的 input token（不计费）
• output：模型生成的代码、解释、命令等输出 token
• reasoning_output：模型内部推理链产生的中间 token（计入总用量，但不返回给用户）
真正影响账单的是净用量 = (input − cached_input) + output。缓存命中率低时，净用量会逼近总 input，这是长任务突然超支的主因。
估算当前长任务实时消耗
方法一：用内置命令查当前会话
在 Codex CLI 中运行：codex /status --verbose。它会显示本次会话已消耗的 input/output/cached_input 三项数值，但【不包含 reasoning_output】——这部分只出现在完整日志里，需后续统计。
方法二：启用调试模式捕获完整流
启动 Codex 时加参数：codex --debug-log-level=token。所有 token 计数事件将实时打印到控制台，包括 reasoning_output。注意：该模式会显著拖慢响应速度，仅用于诊断，不可长期开启。
通过本地 Codex 或 OpenClaw OAuth 凭证直接调用 ChatGPT/Codex Responses 的 image_generation 工具来生成或编辑光栅图像，然后保存
规避长任务超额的关键操作
第一步：限制模型上下文窗口
编辑 ~/.codex/config.toml，在顶层添加两行：
model_context_window = 272000model_auto_compact_token_limit = 240000
第二步：重启 Codex 使配置生效
第三步：强制压缩历史会话
执行 codex /clear --history 清空当前会话缓存。这一步必须做，否则旧会话仍占用窗口空间，新配置无法起效。
第四步：验证是否生效
运行 codex /status，观察 “Context used” 数值是否稳定在 240K 以下。若仍超限，说明有未关闭的后台任务仍在占用上下文——用 codex /ps 查看并 codex /kill <pid></pid> 终止。
