OpenClaw 101｜05｜Context

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 Context。很多 Agent 问题看似是模型不聪明，实际是 context 不可见、不可预算、不可维护。OpenClaw 把 context 当成可检查的工程对象。

读完本文，你应该能回答

• 模型这一轮到底看到了什么？
• system prompt、history、tool schema、memory、workspace 注入分别承担什么角色？
• memory 为什么不等于 context？
• context 太大或太旧时应该怎么处理？

本篇在系列中的位置

模型输入篇，把“上下文”拆成可检查、可预算、可优化的工程对象。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 Tools / Skills / Plugins，看 context 中暴露的能力如何变成真实行动。

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 Context 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。

Context 构成表

核心判断

Memory 是存储，context 是本轮输入。工具是能力，也是上下文成本。

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，Context 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：

• 每一轮 run 重建 OpenClaw-owned system prompt。
• 注入 workspace bootstrap files，例如 AGENTS、SOUL、TOOLS、USER 等。
• 加入 skills list，但不默认展开全部 skill 内容。
• 根据 tool policy 暴露工具 schema。
• 读取 session history、recent messages、compaction summaries。
• 剥离或裁剪过大的工具 details，保留模型需要的 content。
• 在接近窗口上限时触发 compaction 或 pruning。
• 通过 /status、/context list、/context detail 观察上下文构成。

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：Context

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 buildContext(session: Session) {
  return {
    system: await buildSystemPrompt({
      tools: visibleToolSchemas(),
      skills: skillCatalogSummary(),
      workspace: injectedBootstrapFiles(),
    }),
    messages: [
      ...compactedSummaries(session),
      ...recentConversation(session),
      ...boundedToolResults(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

• 更多工具意味着更强能力，也意味着更多 schema token 和选择噪声。
• 把所有记忆塞进 prompt 会让系统变慢、变贵、变不可控。
• 上下文报告不应泄露完整系统 prompt，但要能解释主要成本来源。

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 Context 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 Tools Skills Plugins。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

• Context
• System prompt
• Compaction
• Session pruning
• Tools overview