夜雨聆风1. 处理时机
OpenClaw 的“上下文处理”不是只在对话开始时做一次，也不是只在超限时报错才处理。
更准确地说：
它是“每一轮开始都要重新组装一次当前可用上下文”，而在运行中如果发现上下文太大、结构不合法、工具结果太长，就会进入额外的修复、压缩、截断、重试分支。
所以它不是一个静态固定流程，而是一个运行时流程。
2. 一轮开始时，上下文到底包括什么
2.1 会话历史层
就是 session transcript 里的历史消息，主要包括：
user 消息 assistant 消息 tool call / tool result compaction summary 部分 custom entry
这部分是“跨轮持久化”的。
2.2 system prompt 控制层
这是每轮都重新拼出来的控制说明，不是历史消息本身，但每轮都会参与模型输入。
典型内容包括：
产品身份和行为规则 当前工具列表 sandbox / workspace 信息 skills 目录摘要 bootstrap/context files 当前时间、时区、channel 能力 docs 路径、runtime 信息
这部分的入口在 buildEmbeddedSystemPrompt(...)。
2.3 本轮临时注入层
这一层只服务当前 prompt，不一定进入长期 transcript，例如：
hook prepend 的临时上下文 当前 prompt 中引用的图片 context engine 给的 systemPromptAddition
2.4 运行时恢复与诊断层
这层不一定直接喂给模型，但会影响后续决策：
context window 大小 overflow 判断 当前 attempt 是否已经 auto-compaction pre-compaction snapshot prompt error tool result 是否超大
它更像“控制面”，不是“正文内容”。
3. 这套检测是每轮都做，还是只在特定时刻做
需要分两种情况讨论
3.1 每轮开始都会做的
每次 runEmbeddedAttempt(...) 开始，都会重新做这些事：
打开 session file 修复损坏 transcript 组装 system prompt 清洗历史消息 校验历史结构 限制历史轮数 修复 tooluse / toolresult 配对 让 context engine 再装配一次 给 agent 安装 tool result context guard 最后才真正调用模型
所以“上下文检测”不是只看一次，而是每轮调用模型前都重新过一遍。
3.2 只在特定条件下才会做的
这些不是每轮必走，而是触发式：
contextEngine.bootstrap(...)
条件：已有 session file，而且 engine 实现了 bootstrap
prompt 图片检测
条件：当前 prompt 里看起来有图片引用
compaction wait
条件：本轮运行中出现 auto-compaction 事件
显式 contextEngine.compact(...)
条件：attempt 结束后判断像 context overflow，且本轮没先 auto-compact 成功收敛
tool result truncation
条件：overflow 后，检测到 session 里存在超大 tool result
所以系统既有“每轮固定动作”，也有“按条件触发动作”。
4. 一轮的主流程，按时序讲清楚
阶段 0：外层 run 先定边界
入口在 run.ts。
外层先确定：
provider / model auth profile context window 大小 这个模型窗口是否太小 允许最多重试多少次 用哪个 context engine
阶段 1：attempt 打开会话并做物理修复
入口在 run/attempt.ts。
先做：
repairSessionFileIfNeeded(...) 打开 SessionManager guardSessionManager(...)
这一步解决的是最底层问题：
文件坏没坏 transcript 能不能读 工具消息能不能写入
阶段 2：构建 system prompt
在真正送 prompt 前，先把控制面重新拼出来。
这里会收集：
skills prompt bootstrap/context files workspace notes tool summaries sandbox info runtime info owner / channel / TTS / docs 等
注意：
system prompt 不是从历史里抽出来的，而是每轮根据当前环境重新生成的。
阶段 3：清洗历史 transcript
在模型看到历史之前，OpenClaw 会先做标准化处理：
sanitizeSessionHistory(...) provider 相关校验 limitHistoryTurns(...) sanitizeToolUseResultPairing(...)
这一步的目的不是压缩，而是先把历史变成“结构合法、可继续使用”的状态。
阶段 4：让 context engine 做最后装配
contextEngine.assemble(...)
当前默认 legacy 实现其实几乎是 pass-through。
这个过渡态在之前的文章中已经多次提到。
阶段 5：给本轮输入装临时保护
在 prompt 真的发出去前，还有几层“本轮级保护”：
hook 可能再 prepend prompt 或改写 system prompt detectAndLoadPromptImages(...) 检测当前 prompt 的图片 installToolResultContextGuard(...) 给本轮模型输入做 tool result 上下文保护
这一步很关键，因为它说明：
有些压缩不是写回磁盘的，而是只为了“这一轮先别把上下文撑爆”。
阶段 6：真正调用模型
调用的是：
activeSession.prompt(...)
这时模型看到的是：
当前轮 system prompt 清洗后的历史 hook 注入内容 当前用户 prompt 当前 prompt-local 图片 经过 context guard 后的上下文视图
5. tool result 为什么会成为上下文系统的一部分
工具结果会经历至少两层处理：
5.1 写入 transcript 前的处理
installSessionToolResultGuard(...) 会在 append 前处理 tool result。
结构修复
比如补缺失的 tool result，避免 transcript 协议损坏
比如 capToolResultSize(...)，用 HARD_MAX_TOOL_RESULT_CHARS 防止超长结果直接写进会话
这一步是“写入前防污染”。
5.2 送模型前的上下文保护
installToolResultContextGuard(...) 不是改磁盘，而是改“这一轮送给模型的消息视图”。
它主要做两件事：
如果单个 tool result 太大，就先截短它 如果整体上下文还是太大，就把旧 tool result 直接替换成占位符
占位符是：
[compacted: tool output removed to free context]这一步你可以理解成：
不一定删掉会话里的原记录，但至少别让它们继续拖垮下一次模型调用。
6. 为什么说“检测”是多次发生的
它实际上有 3 个检测点：
6.1 模型调用前检测
检查：
历史结构是否合法 历史是否过长 tool result 是否明显过重 当前 prompt 是否包含图片 当前 system prompt 是否过大
6.2 模型调用中检测
通过订阅事件观察：
是否触发 auto-compaction 是否还在 compaction 中 是否需要等 compaction retry 收敛
6.3 模型调用后检测
外层 run.ts 会看：
promptError / assistantError 像不像 context overflow 本轮是否已经 compaction 过 是否还有 oversized tool result 是否还值得继续 retry
所以这套机制本质上是：
前检测 + 中监控 + 后恢复判断而不是单次检测。
7. 一轮结束后，上下文如何延续到下一轮
运行结束后会执行：
contextEngine.afterTurn(...) 如果没有，就退化到 ingestBatch(...) 再不行就逐条 ingest(...)
但当前默认 legacy 基本是 no-op。
所以今天 OpenClaw 的现实是：
transcript 的持久延续主要还是 SessionManager context engine 生命周期接口已经预留好了 未来可以让 engine 更主动地管理摘要、索引、子 agent
8. 总结
OpenClaw 的上下文是历史会话、system prompt、本轮临时注入、恢复控制信息四层叠加。 每一轮开始前都会重新做上下文装配。 真正的“检测”分成模型前、模型中、模型后三个时机。 当前默认 legacy context engine 还比较保守，很多核心处理仍在 attempt.ts 和 run.ts。 tool result 既是工具输出，也是后续轮次的上下文负担，所以系统会在“写入前”和“送模型前”分别治理它。 一轮结束后，当前结果会进入 transcript，并成为下一轮重新装配时的上下文历史。