OpenClaw Session 机制详解：重置、压缩、剪枝与记忆管理

3. 手动重置

发送 /new 或 /reset 立即创建新 Session。支持指定模型，如 /new claude-sonnet。

不同场景可覆盖策略，优先级为：resetByChannel > resetByType > 全局默认。

Compaction（压缩）：上下文满了怎么办

模型上下文窗口有限（如 200k tokens）。聊久了，历史消息会撑满窗口。压缩是将旧对话总结成摘要，腾出空间继续聊。

配置示例：

{"compaction":{"enabled":true,"reserveTokens":16384,"keepRecentTokens":20000}}

手动触发可用 /compact 指令。压缩后，模型看到的是摘要加上最近的几条消息，而非完整历史。

Pruning（剪枝）：省钱的隐形优化

剪枝针对的是工具调用结果，目的是减少缓存重写成本。Anthropic 等模型的提示缓存有 TTL（生存时间），会话空闲超过 TTL 后，下次请求需重新缓存整个提示，费用高昂。

剪枝分为两级：

1. 软修剪 (Soft Trim)：保留头尾，中间用省略号替代。
2. 硬清除 (Hard Clear)：整个替换为占位符。

配置示例：

{"agent":{"contextPruning":{"mode":"cache-ttl","ttl":"5m","keepLastAssistants":3}}}

用户消息和助手消息永不修改，仅裁剪工具结果。若使用 Anthropic Key，OpenClaw 会自动启用此模式。

Memory（记忆）：跨 Session 的持久化方案

Session 会重置，模型记忆短暂。Memory 系统解决'AI 失忆'的终极方案。

三层记忆架构

1. Session 上下文：最短暂，重置即丢失。
2. Workspace 文件：持久化，如 MEMORY.md、USER.md，自动注入系统提示。
3. Memory Search：基于 Embedding 的向量搜索，新 Session 启动时可召回相关记忆。

压缩前记忆刷新 (Memory Flush)

这是最聪明的设计。当上下文接近压缩阈值但未到时，OpenClaw 静默运行一轮，让模型把重要内容写入 memory/YYYY-MM-DD.md。

⚠️ 致命盲区：Memory Flush 仅在压缩前触发，不在 Session 重置前触发。这意味着凌晨 4 点重置时，昨晚的对话不会写入持久记忆，直接导致丢失。

配置示例：

{"agents":{"defaults":{"compaction":{"memoryFlush":{"enabled":true,"softThresholdTokens":4000}}}}}

Session Tool：运行时控制

通过命令可直接干预会话状态：

• /status：查看当前 session 状态、token 用量。
• /new：重置 session。
• /compact：手动压缩。
• /context list/detail：查看系统提示注入内容。
• /stop：中止当前运行。

还可配置 Send Policy 阻止特定 session 的消息投递，例如禁止群组消息进入特定 Agent。

实战建议：机制协同工作

一条消息的完整旅程涉及路由、加载、剪枝、生成、回复、写入等环节。为确保记忆可靠性，推荐以下配置组合：

{
  "session":{"reset":{"mode":"daily","atHour":4,"idleMinutes":480}},
  "agents":{"defaults":{"compaction":{"memoryFlush":{"enabled":true,"softThresholdTokens":4000}},"memorySearch":{"enabled":true}}}
}

记忆保持可靠性排行：

1. 手动写入文件（最可靠，需主动操作）
2. Memory Flush（压缩前自动触发，重置前不触发）
3. Memory Search（依赖搜索质量）
4. Compaction 摘要（保留大意，丢失细节）
5. 纯靠 Session（重置就没了）

理解这些机制的差异，才能在构建 AI 应用时做出正确的架构选择。