核心用法
Compaction UI是OpenClaw Control UI的内存管理子系统，通过LLM驱动的智能压缩解决长会话上下文窗口溢出问题。系统提供三层交互方式：手动触发（点击工具栏上下文用量环形指示器）、自动触发（token用量超过阈值时后台执行）、以及设置面板（精细化配置）。
核心工作流：系统实时监控会话token用量，当达到用户设定阈值（默认60%，可配置10%-95%）时，自动调用选定模型生成结构化压缩结果——首先输出3-6句自然语言对话摘要，描述话题演进与关键转折，随后是结构化的目标与保留信息。整个过程通过右下角toast通知完成，UI保持完全可交互。
显著优点
1. 零干扰后台执行：彻底摒弃早期版本的阻塞式全屏模态框，采用与cron任务、知识提取一致的backgroundJobToasts系统，用户可继续聊天不受打断
2. 智能摘要能力：v2.1.0新增的## Conversation Summary段落超越简单裁剪，以过去时态叙事还原对话脉络，显著提升压缩后可读性
3. 灵活模型策略：支持为压缩任务单独指定模型（如选用轻量级模型降低成本），或回退至会话默认模型；OAuth/API Key/系统回退三级认证链与主聊天完全一致
4. 精细化阈值控制：10%-95%连续可调，配合红黄绿三色可视化预警，兼顾激进压缩与保守策略
5. 结果可追溯：可选保存最近一次压缩的完整摘要、token节省量（实测可达91%削减）、触发方式与时间戳，便于审计与调试
6. 架构一致性：作为Plugin UI内置视图注册于Agent导航组，状态管理、RPC体系、作用域控制与系统其他模块完全统一
潜在缺点与局限性
- API成本叠加：自动压缩本质上是额外LLM调用，高频触发场景下可能显著增加token消耗与费用
- 摘要质量依赖模型：轻量级模型生成的叙事摘要可能遗漏关键细节或扭曲原意，存在"幻觉压缩"风险
- 5分钟防抖窗口：高频率对话场景下，阈值交叉后5分钟内不会重复触发，极端情况下仍可能撞上线文窗口硬上限
- 配置持久化局限：设置虽保存于
{agentDir}/compaction-config.json，但跨设备同步需依赖agent目录本身的同步机制 - 无批量历史管理：仅支持查看最近一次结果，无法浏览或对比历史压缩快照
适合人群
- 长上下文深度用户：需与AI进行数十轮以上复杂推理、代码迭代或文档协作的专业开发者、研究人员
- 多会话并行管理者：通过token可视化快速判断哪些会话需要关注，优先压缩高负荷对话
- 成本敏感型团队：愿意为关键会话配置高性能压缩模型，同时对普通会话使用默认设置以平衡质量与开销
常规风险
- 认证链单点故障：若OAuth/API Key配置错误，自动压缩失败将静默降级，用户可能误以为系统"失灵"而未察觉上下文持续膨胀
- 摘要注入攻击面：用户可通过
/compact [instructions]注入自定义指令，虽设计为功能特性，但恶意指令可能诱导摘要生成包含误导性内容 - 存储隐私：启用"Store Results"后，敏感对话摘要以明文形式持久化于本地JSON，共享agent目录场景下存在信息泄露风险
- 模型回退不可见：自定义模型失败时自动回退至默认模型，此过程无显式通知，可能导致摘要风格突变用户却无从知晓