← 所有任务  |  task.md  |  session.md
任务 ID: task-ctx-reduce-research  |  文件: session.md  |  最后修改: 2026-02-26 18:21:41

Session Log — task-ctx-reduce-research — OpenClaw 初始 Context 调研与优化方案

时间： 2026-02-26 模式： search 轮次： 1

研究问题

  1. 42k 初始 context 是否异常？OpenClaw 基线和对比框架
  2. 各 Project Context 文件「使用频率」vs「初始加载必要性」，懒加载可行性
  3. OpenClaw context 优化手段（配置选项、社区最佳实践）
  4. 可行优化方案清单（节省 tokens + 实现难度 + 能力影响）

查询词列表

去重检查：无相关已有报告，开始新搜索

Round 1 — SearXNG 广度搜索

查询1： OpenClaw context window optimization system prompt → 28 条，不可用引擎：duckduckgo(CAPTCHA)
关键命中：
- docs.openclaw.ai/concepts/context（官方文档）
- github.com/openclaw/openclaw/discussions/10234（System Prompt 裁剪讨论）
- github.com/openclaw-token-optimizer（懒加载工具，开源）
- aicost.org 关于 /compact /reset 的 token 优化指南
- answeroverflow context settings 经验帖

查询2： Cline/Cursor/Continue system prompt size initial context → 28 条
关键命中：
- cline.bot/blog context window explained（Cline 官方解说 context 组成）
- docs.cline.bot/prompting/understanding-context-management（Cline context 管理，Auto Compact @80%）
- lorenzhw.substack.com Cline system prompt 构建过程

查询3： AI agent system prompt lazy loading context reduction → 31 条
关键命中：
- github.com/anthropics/claude-code/issues/7336（Lazy Loading MCP Servers，95% context reduction claim）
- medium.com Dynamic Context Loading Claude vs Cursor 对比
- agno.com skills lazy loading 设计（系统性方案）
- williamzujkowski.github.io 150K→2K tokens progressive loading（V4架构）
- martinfowler.com Context Engineering for Coding Agents（权威综述）

查询4： AI assistant initial context tokens comparison → 28 条（偏通用，补充背景）
查询5： OpenClaw docs workspace files AGENTS.md project context injection → 19 条
关键命中：
- docs.openclaw.ai/concepts/context（官方 Context 概念文档）
- github.com/openclaw/openclaw/issues/9157（workspace file injection 浪费 93.5% token 预算 issue）
- bibek-poudel.medium.com How OpenClaw Works（skills 注入机制）
- ppaolo.substack.com OpenClaw Architecture（系统 prompt 组装流程）
- deepwiki.com Bootstrap Files 分析
- amankhan1.substack.com AGENTS.md 优化实践

SearXNG 总计： ~105 条原始结果，精选 Top 10 URL 待 web_fetch

Round 1 — Web Fetch 关键页面提取

[1] docs.openclaw.ai/concepts/context — 官方文档，核心数据：
- /context list 示例：System prompt (run)=38,412chars(~9,603tok)，Project Context=23,901chars(~5,976tok)
- 注入文件：AGENTS.md/SOUL.md/TOOLS.md/IDENTITY.md/USER.md/HEARTBEAT.md/BOOTSTRAP.md
- bootstrapMaxChars=20000（单文件截断上限），bootstrapTotalMaxChars=150000（总上限）
- Skills：只注入 compact list（name+desc+location），SKILL.md 内容不预加载
- Tool schemas（JSON）：计入 context 但不显示为文本，/context detail 可查各工具大小
- browser schema=9,812chars(2,453tok); exec schema=6,240chars(1,560tok)

[2] github.com/openclaw/openclaw/issues/9157 — workspace 文件每次消息都重复注入：
- 问题：resolveBootstrapContextForRun() 在每条消息都被无条件调用
- 数据：~35,600 tokens/message 浪费，100条消息会话成本浪费.51
- 提议：只在第一条消息注入（first-message-only）
- 验证：message 1=8,260tok写缓存；message 2=5,194tok读缓存+1,488tok新内容（无重注入）
- 配置方案：agents.defaults.workspaceInjection: 'first-message-only'|'always'

[3] aicost.org /compact /reset 指南：
- /compact：语义压缩历史记录，保留核心逻辑，减少60-80% tokens
- /reset 或 /new：完全清空 context，Token 归零
- 推荐 Pulse Strategy：10-15轮后 /compact，切换主题时 /reset

[4] agno.com agent skills lazy loading 设计：
- Browse：system prompt 只显示 skill summaries（OpenClaw 已实现）
- Load：task匹配时按需 load 完整 instructions（OpenClaw 已实现，read SKILL.md）
- Reference：按需读取 supporting docs
- 模式：Enable specialization without bloat

[5] williamzujkowski.github.io 150K→2K tokens 渐进式加载：
- V1 Monolithic：一个大 CLAUDE.md，每次全量，150K tokens/session
- V4 Progressive：2K 初始，按需加载，.50→/bin/bash.06/session（98% 节省）
- 模型在100K+ context时性能下降15-30%（InfiniteHiP 研究）
- 模型实际只关注输入的2-5%（sparse attention 研究）

[6] apiyi.com OpenClaw Token 消耗深度分析：
- System prompt 占总消耗 10-15%（Context Accumulation 40-50% 最高）
- 系统架构：工具定义+工作区配置文件+个性化设置，每次请求都重发
- 参考数据：重度用户 50M-200M tokens/月，月均 0-150+

[7] 本地 docs/concepts/system-prompt.md — 权威确认（最重要发现）：
- 注入文件列表：AGENTS.md/SOUL.md/TOOLS.md/IDENTITY.md/USER.md/HEARTBEAT.md/BOOTSTRAP.md
- ⚠️ MEMORY.md 和/或 memory.md 也被自动注入（重大发现！）
- memory/*.md 日常文件：不自动注入，通过 memory_search/memory_get 按需读取
- promptMode=minimal（sub-agents）：省略 Skills/Memory Recall/OpenClaw Self-Update 等
- 官方 Tips：keep MEMORY.md concise — it grows over time and leads to high context usage

[8] 本地 docs/gateway/configuration-reference.md — 可用配置选项：
- agents.defaults.bootstrapMaxChars: 20000（单文件上限）
- agents.defaults.bootstrapTotalMaxChars: 150000（总上限）
- agents.defaults.skipBootstrap: true（完全禁用 bootstrap 文件自动创建和注入）
- agents.defaults.contextPruning（prune old tool results in-memory）
- agents.defaults.compaction（mode/target tokens/memoryFlush）
- skills.allowBundled（限定哪些 bundled skills 可见）
- skills.entries..enabled: false（单独禁用特定 skill）
- tools.deny（禁用工具，减少 schema 注入）

过滤结果： 精选高价值来源 14 条，丢弃：无关/通用 10 条，403/空内容 2 条

报告写入完成

报告路径： /root/.openclaw/workspace/tasks/task-ctx-reduce-research/report.md
核心发现：
1. MEMORY.md 被自动注入（官方文档确认，非预期行为，是重要优化机会）
2. browser 工具 schema 单独 2,453 tok，tool schemas 是 18k 差距的主因
3. 无 workspaceInjection: first-message-only 官方配置（仅社区提议）
4. Skills 已是懒加载（只注入 compact list），SKILL.md 按需 read
5. 方案 A+B+C 可节省 10k-14k tok，从 42k 降至约 28k-32k

完成时间： 2026-02-26 最终有效来源： 14 条