OpenClaw lightContext指南：少烧Token，多办事

上下文窗口是AI Agent的命脉，也是钱包的出血点。lightContext模式就像给你的Agent开了"省油模式"——同样跑100公里，油耗砍掉一半。

目录

💡 lightContext是什么

lightContext是OpenClaw的一种运行模式，通过精简上下文来降低Token消耗和响应延迟。适用于简单、重复、标准化的任务场景。

对比标准模式

特性标准模式lightContext模式
上下文加载完整会话历史+所有Skills核心指令+当前Skill
Token消耗高低（减少40-60%）
响应速度标准快（提升30-50%）
任务复杂度支持复杂多步任务适合单一明确任务
上下文感知完整记忆最小化记忆

⚡ 启用lightContext

# 配置文件启用
# openclaw.yaml
agent:
  lightContext: true

# 运行时启用
openclaw gateway start --light-context

# 特定Skill启用
openclaw skill run my-skill --light-context

# cron任务启用
# 在cron配置中：
payload:
  kind: "agentTurn"
  message: "执行每日报告"
  lightContext: true

Agent级别配置

# openclaw.yaml
agents:
  - name: "fast-responder"
    model: "gpt-4o-mini"
    lightContext: true
    toolsAllow: ["web_search", "web_fetch"]
    
  - name: "deep-thinker"
    model: "claude-sonnet-4-20250514"
    lightContext: false
    thinking: "high"

⚙️ 工作原理

lightContext通过以下方式精简上下文：

1. 历史消息压缩

只保留最近N条消息，而非完整会话历史。旧消息按优先级选择性保留摘要。

2. Skills按需加载

不预加载所有Skills的SKILL.md，仅在触发时加载当前任务相关的Skill。

3. System Prompt精简

使用精简版的系统指令，移除冗长的背景说明和示例。

4. 工具权限限制

只暴露任务必需的工具，减少工具列表的Token占用。

# lightContext模式下的上下文结构
{
  "system": "精简版指令（~500 tokens）",
  "skills": ["当前任务Skill（~300 tokens）"],
  "tools": ["必需工具列表（~100 tokens）"],
  "messages": ["最近3条消息（~500 tokens）"],
  "total": "~1400 tokens"
}

# 标准模式的上下文结构
{
  "system": "完整指令（~2000 tokens）",
  "skills": ["所有Skills（~5000 tokens）"],
  "tools": ["全部工具（~500 tokens）"],
  "messages": ["完整历史（~3000 tokens）"],
  "total": "~10500 tokens"
}

🎯 适用场景

✅ 推荐使用lightContext

  • 定时任务（cron jobs）- 标准化、重复性任务
  • 简单查询 - "今天天气"、"翻译这句话"
  • 快速响应场景 - 需要低延迟的交互
  • 成本敏感场景 - 大量简单请求
  • 独立子任务 - 无需上下文记忆的任务

❌ 不推荐使用lightContext

  • 复杂多步任务 - 需要记住之前步骤
  • 长对话场景 - 客服、咨询类应用
  • 创意写作 - 需要丰富的上下文参考
  • 调试排错 - 需要完整的执行历史
  • 跨任务协作 - 多个任务之间有依赖关系

📝 配置参数详解

# openclaw.yaml - lightContext完整配置
lightContext:
  # 是否启用
  enabled: true
  
  # 保留的历史消息数量
  maxMessages: 3
  
  # 是否压缩旧消息为摘要
  compressHistory: true
  
  # Skills加载策略：on-demand | all | none
  skillLoading: "on-demand"
  
  # 工具白名单（仅暴露这些工具）
  toolsAllow: ["web_search", "web_fetch", "write"]
  
  # 是否启用记忆检索
  memoryRetrieval: false
  
  # 最大上下文Token数
  maxContextTokens: 2000
  
  # 是否保留用户画像
  keepUserPersona: true

📊 性能对比

基于1000次相同任务的测试数据：

指标标准模式lightContext提升
平均Token消耗8,5003,200-62%
平均响应时间4.2秒2.1秒-50%
单次请求成本$0.017$0.006-65%
成功率99.8%99.6%≈

测试任务：简单信息查询类任务，模型为claude-sonnet-4-20250514

✨ 最佳实践

混合模式策略

根据任务类型动态切换模式：

# openclaw.yaml - 模型路由配置
models:
  routing:
    # 简单任务 → lightContext + 快模型
    - trigger: "翻译|总结|查询|搜索"
      model: "gpt-4o-mini"
      lightContext: true
      
    # 复杂任务 → 标准模式 + 强模型
    - trigger: "代码|分析|设计|创作"
      model: "claude-sonnet-4-20250514"
      lightContext: false

定时任务优化

# cron任务默认使用lightContext
cron:
  jobs:
    - name: "daily-report"
      schedule: { kind: "cron", expr: "0 8 * * *" }
      payload:
        kind: "agentTurn"
        message: "生成每日报告"
        lightContext: true
        model: "gpt-4o-mini"

监控与调优

  • 监控Token消耗，评估lightContext效果
  • 对比两种模式的任务成功率
  • 根据实际场景调整maxMessages参数
  • 定期审查toolsAllow白名单是否合理

🔗 相关资源