OpenClaw 101｜09｜Compaction and Pruning

OpenClaw 101 是一组面向 Agent Engineering 的系统拆解文章。它不把 OpenClaw 当成单一聊天产品，而是把它当作一个长期运行的 Personal Agent OS 来观察。

这一篇讲 Compaction and Pruning。长 session 最大的问题不是保存不下历史，而是下一轮模型装不下历史。Compaction 是把过去变成可继续使用的摘要状态。

读完本文，你应该能回答

• compaction 和 pruning 分别解决什么问题？
• 压缩时哪些信息必须保留，哪些应该丢弃？
• 为什么压缩不是简单摘要？
• 压缩失败会怎样破坏后续任务？

本篇在系列中的位置

上下文续命篇，解释长会话如何在有限窗口中保留任务连续性。OpenClaw 101 的主线是：先看控制面，再看执行面和状态边界，再进入上下文、能力系统、长期记忆、自动化、真实设备、扩展和 QA。下一篇进入 Multi-Agent and Delegation，看复杂任务如何从一个 loop 拆成多个工作流。

贯穿案例

后文会反复使用同一个任务来落地抽象机制：用户在手机上对 OpenClaw 说：“帮我看一下这个 repo 的测试为什么失败；如果需要跑命令就先做，修好后在聊天里提醒我。”

在本篇中，重点观察这个任务在 Compaction and Pruning 这一层会遇到的边界：谁接收它，谁拥有状态，谁能触发工具，谁记录结果，以及失败后从哪里恢复。

压缩保留表

核心判断

Compaction 改写“模型将看到的历史形态”，pruning 控制“哪些重型工具结果进入当前 prompt”。

如果只看表面，很多 Agent 框架都像是“模型 + 工具 + UI”。但真正决定系统稳定性的，是这些边界如何被拆开：谁拥有状态，谁能触发副作用，谁负责恢复，谁暴露观察面，谁承担长期维护成本。

在 OpenClaw 里，Compaction and Pruning 不是一个孤立模块，而是 Gateway、Session、Context、Tools、Plugins、Memory 之间的连接点。理解这个连接点，比记住某个命令或配置项更重要。

运行路径

一条真实消息进入系统后，大致会经过这些步骤：

• 检测 session tokens 或工具结果压力。
• 在 compaction 前执行 memory flush，保存重要事实。
• 把早期对话压缩为 summary artifact。
• 保留近期消息，避免刚发生的上下文丢失。
• 对旧工具结果做 prompt 层 pruning，而不一定删除 transcript。
• compaction 后 retry 当前 run，避免用户感知为失败。
• context engine 插件可以接管 assembly 和 compact 行为。

这些步骤看起来很多，但它们解决的是同一个问题：让 Agent 的行为从“模型临场发挥”变成“系统可控制、可观察、可恢复的运行过程”。

可迁移伪实现：Compaction and Pruning

下面的伪代码是机制抽象，不对应 OpenClaw 的真实 API 或文件结构。

async function maybeCompact(session) {
  if (!overBudget(session)) return session
  await flushImportantFactsToMemory(session)
  const summary = await summarizeOlderHistory(session)
  return rewritePromptView({
    summary,
    recent: keepRecentMessages(session),
    prunedTools: pruneOldToolResults(session),
  })
}

这段伪代码的重点不是函数名，而是边界：输入先被标准化，状态通过明确的 store 或 lane 管理，副作用通过 runtime 或 policy 执行，结果再回到 transcript、event stream 或 delivery target。

设计取舍

• summary 会丢细节，所以要结合 memory flush。
• pruning 不等于删除历史，它只是减少本轮 prompt 负担。
• 自动 compaction 必须可观察，否则用户会以为模型“突然忘了”。

这些取舍解释了 OpenClaw 为什么不像一个最小 demo。最小 demo 追求路径短，长期系统追求边界清晰。路径短会让第一个 demo 很快跑起来；边界清晰才会让系统在多渠道、长会话、多人入口、插件扩展和自动化场景下不崩。

评估清单

评估任何 Agent 框架的 Compaction and Pruning 设计，可以看这几个问题：

• 这个层级是否有明确 owner，还是散落在多个客户端或插件里？
• 它是否把状态、权限、运行时副作用和展示逻辑分开？
• 它是否能被观测、被调试、被回放？
• 它失败时是否有恢复路径，而不是只给用户一个模型错误？
• 它是否避免把 provider/channel/tool 的私有细节写死进 core？

如果这些问题没有答案，系统一旦从单用户 demo 走向真实使用，很快就会在上下文污染、重复副作用、权限失控、长任务丢失和调试困难中付出代价。

下一篇

下一篇继续拆 Multi-Agent and Delegation。OpenClaw 101 的主线会继续沿着 Personal Agent OS 的边界往下走：从运行时，到状态，到能力系统，再到安全、扩展和 QA。

References

• Compaction
• Session pruning
• Context engine
• Memory overview