OpenClaw 性能优化：大模型响应速度提升技巧

AI 用久了越来越慢，回复要等十几秒，是模型的问题吗？不是。是你没配置 Compaction，没配 Failover，没开 Streaming。这篇文章告诉你从哪入手让你的 OpenClaw 响应快回来。

痛点：AI 越用越慢的元凶

你有没有这种感觉：新对话很快，用了一周后变慢，一个月后等半天才能开始回复？

这不是模型变差了，这是上下文膨胀在作怪。

每次对话，OpenClaw 会把历史消息都发给模型。对话越长，发送的数据越多，模型处理时间越长，费用也越高。到了上下文上限附近，模型甚至会开始拒绝请求或返回错误。

解决方案有四个：Compaction、Streaming、Failover、Pruning。下面逐一讲。

Compaction：让对话永远有空间

Compaction 是 OpenClaw 的上下文压缩机制。它的原理很直观：

1. 旧对话被压缩成一段摘要
2. 摘要保存在会话记录中
3. 最近的消息保持原样，继续参与对话

开启自动 Compaction：

{
  agents: {
    defaults: {
      compaction: {
        model: "openrouter/anthropic/claude-sonnet-4-6",
        // 用更强模型压缩效果更好
      },
    },
  },
}

你也可以手动触发压缩，并指定关注重点：

/compact Focus on API设计决策

这条命令会让 AI 在压缩时特别保留 API 设计相关的内容，忘记其他细节。

Compaction vs Pruning：别混淆

简单说：Compaction 是总结，Pruning 是修剪。日常使用 Compaction 就够了，工具调用密集的场景可以额外启用 Pruning。

Streaming：分段输出不只是为了炫技

Streaming 有两种模式：

Block Streaming（分块发送）

AI 写完一段就发送，不用等整条消息写完才显示。你在 Claude/ChatGPT 网页上看到的逐字输出就是这种。

{
  agents: {
    defaults: {
      blockStreamingDefault: "on",
      blockStreamingBreak: "text_end", // 写完一段就发
      blockStreamingChunk: {
        minChars: 200,  // 每段最少 200 字符
        maxChars: 500,  // 最多 500 字符
      },
      humanDelay: "natural", // 模拟真人输入节奏，800-2500ms 延迟
    },
  },
}

Preview Streaming（预览流）

实时预览消息，类似 Telegram/Discord 上的「对方正在输入」。消息在写作过程中就开始推送，旧内容会实时更新。

break 模式选择：

对于即时通讯场景，text_end 体验最好。如果你不希望用户看到中间过程，用 message_end。

Model Failover：不怕模型宕机

你的 AI 依赖单个模型吗？如果那个模型的服务商挂了，你的助手就完全无响应了。

Failover 配置让你定义一个回退列表，当主模型不可用时自动切换：

{
  agents: {
    defaults: {
      model: {
        primary: "minimax/MiniMax-M2.7",
        fallbacks: [
          "openai/gpt-4o-mini",
          "google/gemini-2.0-flash",
        ],
      },
    },
  },
}

切换顺序是：主模型 → 第一个 fallback → 第二个 fallback。

冷却机制：别频繁切换

当一个模型报错，OpenClaw 会按指数退避把它放进冷却：

• 首次失败：1 分钟冷却
• 第二次：5 分钟
• 第三次：25 分钟
• 上限：1 小时

如果是账单失败（余额不足），冷却时间更长，从 5 小时起步，最长 24 小时。

认证配置轮换

如果同一个模型服务商配了多个 API Key，可以配置认证轮换：

{
  auth: {
    profiles: [
      { name: "key1", provider: "openai", apiKey: "sk-xxx" },
      { name: "key2", provider: "openai", apiKey: "sk-yyy" },
    ],
    rotation: "sequential", // 或 "random"
  },
}

会话黏性：选中的认证配置会绑定在会话上，不会每个请求都换 Key，保证请求的一致性。

Session Pruning：轻量修剪工具输出

Pruning 比 Compaction 更轻量——它只裁剪工具调用的输出，不改变对话文本。

适用场景：你的工作流大量使用工具（搜索、代码执行、文件读写），工具返回的内容占用了大部分上下文，但这些结果本身不需要长期保留。

{
  agents: {
    defaults: {
      pruning: {
        enabled: true,
        maxAge: 10, // 保留最近 10 条工具结果
      },
    },
  },
}

性能优化配置清单

根据你的场景，对号入座：

实战：完整性能加速配置

把下面这段配置加入你的 openclaw.json 的 agents.defaults 里：

{
  agents: {
    defaults: {
      // Compaction 配置
      compaction: {
        model: "openrouter/anthropic/claude-sonnet-4-6",
      },
      // Streaming 配置
      blockStreamingDefault: "on",
      blockStreamingBreak: "text_end",
      blockStreamingChunk: {
        minChars: 200,
        maxChars: 500,
      },
      humanDelay: "natural",
      // Model Failover 配置
      model: {
        primary: "minimax/MiniMax-M2.7",
        fallbacks: [
          "openai/gpt-4o-mini",
          "google/gemini-2.0-flash",
        ],
      },
    },
  },
}

改完后重启 Gateway：

openclaw gateway restart

验证配置生效：

openclaw config show | grep -A5 compaction

总结

性能问题大多数时候不是模型的问题，而是上下文管理和降级策略没配置。核心三件事：

1. 开 Compaction：对话再长也不怕撑爆上下文
2. 开 Streaming：用户立即看到输出，体验提升明显
3. 配 Failover：主模型挂了自动切换，不至于完全无响应

花 10 分钟配一下，效果立竿见影。