Token Optimizer 技能

该技能提供了一套流程化方法，帮助你保持 OpenClaw 实例轻量、高效运行。

速查表

工作流 1：周期性任务隔离

为防止后台任务污染主对话上下文，请始终将其隔离运行。

操作步骤

1. 定位你的 openclaw.json 配置文件。
2. 在 cron.jobs 数组中，对任何无需纳入主聊天历史的任务，设置 sessionTarget: "isolated"。
3. 若需人工介入，请在该任务的 payload 中使用 message 工具。

配置示例

{
  "cron": {
    "jobs": [
      {
        "name": "Background Check",
        "schedule": { "kind": "every", "everyMs": 1800000 },
        "sessionTarget": "isolated",
        "payload": {
          "kind": "agentTurn",
          "message": "Check for updates. If found, use message tool to notify user.",
          "deliver": true
        }
      }
    ]
  }
}

关键要点

• sessionTarget: "isolated" 将使任务在独立、临时的会话中运行
• 使用 deliver: true 可将执行结果回传至主通信通道
• 隔离会话不会将心跳/检查日志等冗余内容注入主上下文

工作流 2：重置与摘要（“Digital Soul” 协议）

当你的上下文用量（可通过 📊 session_status 查看）超过 100k tokens 时，请手动执行一次上下文整合。

操作步骤

1. 检查上下文用量：运行 📊 session_status 查看当前 token 消耗
2. 扫描历史记录：回顾当前会话，识别新增的事实、用户偏好或项目进展
3. 更新 MEMORY.md：将上述新信息追加至你的长期记忆文件中
4. 每日日志：确保 memory/YYYY-MM-DD.md 已同步今日事件
5. 重启服务：运行 openclaw gateway restart 清空活跃会话历史

触发时机

• 上下文用量 > 100k tokens
• 会话已持续运行数天
• 响应明显变慢
• 用户明确请求“全新开始”

工作流 3：本地 RAG 配置

为实现高效召回且避免 token 浪费，请配置本地嵌入模型。

配置（openclaw.json）

{
  "memorySearch": {
    "embedding": {
      "provider": "local",
      "model": "hf:second-state/All-MiniLM-L6-v2-Embedding-GGUF"
    },
    "store": "sqlite",
    "paths": ["memory/", "MEMORY.md"],
    "extraPaths": []
  }
}

使用方式

使用 memory_search 从日志中检索上下文，而非加载全部内容：

memory_search(query="what did we decide about the API design")

该工具返回带文件路径与行号的相关片段；如需提取特定段落，可进一步调用 memory_get。

工作流 4：会话转录文件索引（进阶）

对会话转录文件（.jsonl 格式）建立索引，实现可搜索的对话历史。

原理说明

OpenClaw 将会话转录文件存储于 ~/.openclaw/sessions/ 目录下。这些文件可被索引以支持语义搜索，从而在不加载完整历史的前提下快速定位旧对话。

配置方式

将转录文件路径添加至 memorySearch.extraPaths：

{
  "memorySearch": {
    "extraPaths": [
      "~/.openclaw/sessions/*.jsonl"
    ]
  }
}

最佳实践

• 选择性索引（如近期会话、关键对话）
• 结合日期过滤缩小搜索范围
• 索引完成后，将旧转录文件归档至冷存储

工作流 5：混合搜索（向量 + BM25）

融合语义搜索与关键词匹配，提升检索准确率。

为何采用混合搜索？

使用方法

当 memory_search 返回低置信度结果时：

1. 尝试换用不同措辞再次搜索（利用语义泛化能力）
2. 使用你记得的确切关键词进行二次搜索（模拟 BM25 行为）
3. 必要时手动合并两次结果

未来增强方向

OpenClaw 的 RAG 系统将在后续版本中支持原生混合搜索。当前阶段，如需高精度检索，请主动执行多次查询。

故障排查

“我的上下文增长过快”

1. 检查定时任务：是否均已设为 isolated？
2. 检查心跳频率：过于频繁会导致 token 消耗激增
3. 是否存在非必要的大文件加载行为？

“memory_search 无返回结果”

1. 确认 memorySearch 已在 openclaw.json 中正确配置
2. 检查嵌入模型是否已成功下载
3. 确认记忆文件（如 MEMORY.md）存在且非空

“重启后上下文未清空”

重启操作会清除会话历史，但以下内容仍会保留：

• 系统提示词（system prompt）始终加载
• 工作区文件（如 MEMORY.md 等）会在每次启动时重新注入
• 此设计旨在保障上下文连续性

致谢

• Pépère（shAde）—— 原始概念设计与文档撰写
• Zayan（Clément）—— 实现开发与测试验证

专为 OpenClaw 社区构建。