1. OpenClaw 长上下文跑崩的真实场景如果你在本地用 OpenClaw 接 Ollama 跑 Agent大概率遇到过这种画面任务跑到一半突然卡住日志里刷出一排context overflow detected然后auto-compaction反复触发最后Auto-compaction failed. Restarting session之前几十步的进度全丢。这不是模型太笨而是上下文管理没对齐。核心矛盾在于两侧认知不一致。OpenClaw 侧以为模型有 65536 的contextWindow于是放心往里塞对话历史和工具结果Ollama 侧如果没在 Modelfile 里显式声明num_ctx实际生效的上下文窗口可能只有 4096 到 8192。一边按 64k 塞一边只能接 8k溢出是必然的。溢出之后 OpenClaw 触发 Context Compaction把历史摘要压缩关键任务状态、工具调用结构、早期约束逐渐丢失Agent 开始行为漂移甚至陷入工具调用死循环。这篇面向的是本地部署 OpenClaw Ollama、显存 24-32GB、希望 Agent 稳定完成复杂任务的人。我会把num_ctx对齐、Context Compaction 阈值验证、Flash Attention 开关这三件事拆成可复制的步骤配置骨架直接给命令直接能跑。顺带说一句如果你不想在本地显存上死磕TaoToken 的统一 Key 也能把模型调用统一管起来后面会给配置示例。2. TaoToken 统一 Key 前置准备本地 Ollama 适合折腾但多模型、多项目切换时Key 和地址管理会很乱。TaoToken 的作用是把模型调用收敛到一个统一入口OpenClaw 侧只认一个 base_url 和一个 Key换模型不用改一堆配置。官网在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 。你需要先拿到 Key。登录后进控制台在 API Keys 页面创建一个新 Key复制出来。这个 Key 后面会填进 OpenClaw 的 provider 配置里。控制台地址是 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite API Keys 页面是 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。注意TaoToken 是合规的模型调用入口不要把它和任何非正规中转混为一谈。配置时只填官方给的 base_url 和 Key不要自行拼接来路不明的地址。如果你只是想在本地验证模型行为可以直接用模型对话页面试 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 。长期跑编码和 Agent 任务的话Coding Plan 更合适 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。接入细节看文档 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。前置准备清单一个可用的 TaoToken Key、本地 Ollama 已装好并能ollama list看到模型、OpenClaw 配置文件路径确认通常是工作区下的config.toml或settings.json。这三样齐了再往下走。3. 可复制配置num_ctx 对齐与 Flash Attention 开关3.1 Ollama 侧用 Modelfile 固定 num_ctx新版 Ollama 不支持运行时--num-ctx参数直接跑会报unknown flag: --num-ctx。必须通过 Modelfile 创建带指定上下文的模型。以 32GB 显存的甜点配置 96k 为例# 创建 96k 上下文版本 FROM qwen3.6:35b-a3bnPARAMETER num_ctx 98304 | Out-File -Encoding utf8 C:\temp\Modelfile ollama create qwen3.6-96k -f C:\temp\Modelfile # 验证是否写入成功 ollama show qwen3.6-96k --modelfile输出里必须能看到PARAMETER num_ctx 98304这一行。看不到就说明 Modelfile 没生效检查文件编码和换行符。Windows 下用Out-File -Encoding utf8是为了避免 BOM 问题。3.2 开启 Flash Attention 与 KV Cache 量化Flash Attention 能显著降低长上下文下的显存占用和延迟KV Cache 量化到 q8_0 进一步省显存。设置用户级环境变量[System.Environment]::SetEnvironmentVariable(OLLAMA_FLASH_ATTENTION, 1, User) [System.Environment]::SetEnvironmentVariable(OLLAMA_KV_CACHE_TYPE, q8_0, User)设完必须重启 Ollama从托盘图标退出再重新打开否则不生效。验证[System.Environment]::GetEnvironmentVariable(OLLAMA_FLASH_ATTENTION, User) # 应返回 1 [System.Environment]::GetEnvironmentVariable(OLLAMA_KV_CACHE_TYPE, User) # 应返回 q8_03.3 OpenClaw 侧 config.toml 骨架[model] name qwen3.6-96k contextWindow 98304 maxTokens 8192 apiMode ollama baseUrl http://127.0.0.1:11434 reasoning true reasoningLevel low [provider.taotoken] baseUrl https://taotoken.net/api apiKey 你的_TaoToken_Key关键点contextWindow必须和 Ollama 的num_ctx完全一致98304 对 98304。maxTokens不要设太大8192 足够Agent 单次回复通常 1-4k token把剩下的 90k 全留给对话历史才是正解。apiMode连本地 Ollama 必须用ollama不要用openai-completions后者工具调用支持差。3.4 settings.json 等价写法如果你用的是 JSON 配置{ model: { name: qwen3.6-96k, contextWindow: 98304, maxTokens: 8192, apiMode: ollama, baseUrl: http://127.0.0.1:11434, reasoning: true, reasoningLevel: low }, provider: { taotoken: { baseUrl: https://taotoken.net/api, apiKey: 你的_TaoToken_Key } } }3.5 各显存档位推荐参数显存推荐模型num_ctxmaxTokens8GBQwen3:7B32768409612GBQwen3:14B32768409616GBQwen3:14B65536819224GBQwen3.6:35b-a3b65536819232GBQwen3.6:35b-a3b98304819248GBQwen3.6:35b-a3b1310728192显存不够时优先降num_ctx不要降maxTokens到 2048 以下否则单次输出会被截断反而触发更多重试。4. 验证请求与成功结果4.1 验证 Ollama 侧上下文生效Invoke-RestMethod -Uri http://127.0.0.1:11434/api/show -Method Post -Body {name:qwen3.6-96k} -ContentType application/json返回的 JSON 里parameters字段应包含num_ctx 98304。注意 Windows PowerShell 里curl是Invoke-WebRequest的别名不是 Linux 的 curl别直接抄 Linux 命令会报grep 无法识别之类的错。4.2 验证 Flash Attention 已启用重启 Ollama 后跑一次长上下文请求观察日志。启用 Flash Attention 后同样 96k 上下文下的显存占用会明显下降推理速度提升 30-50%。如果日志里出现flash_attn相关字样说明生效了。4.3 验证 Context Compaction 阈值跑一个中等复杂任务观察日志里的 compaction 次数。优化前典型日志是这样的02:39:45 [agent/embedded] context overflow detected (attempt 1/3); attempting auto-compaction 02:40:10 [agent/embedded] auto-compaction succeeded; retrying prompt 02:40:51 [agent/embedded] context overflow detected (attempt 2/3); attempting auto-compaction 02:46:14 [agent/embedded] context overflow detected (attempt 3/3); attempting auto-compaction 02:48:51 Auto-compaction failed. Restarting session优化后同样的任务应该看到Context: 43k/96k (45%) Compactions: 0 Context Overflow: 0如果 compaction 次数还是频繁说明num_ctx和contextWindow没对齐或者maxTokens设太大挤占了历史空间。4.4 验证 TaoToken 统一 Key 连通性curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer 你的_TaoToken_Key \ -H Content-Type: application/json \ -d {model:qwen3.6-35b-a3b,messages:[{role:user,content:ping}]}返回正常 JSON 就说明 Key 和地址都对。这一步在 Linux/macOS 下用 curlWindows 下用Invoke-RestMethod。5. 本篇常见错排查5.1 context overflow 反复触发先查 Ollama 侧ollama show 模型名 --modelfile确认num_ctx存在且数值正确。再查 OpenClaw 侧contextWindow是否和它一致。两者不一致就是溢出的根源。如果都一致还溢出检查maxTokens是不是设成了 48k 甚至 96k那样单次输出预留太多历史空间被挤爆。5.2 timeout 推理超时128k 上下文 thinking high 级别 推理太慢超过 OpenClaw 的timeoutSeconds。解决方案是降num_ctx128k → 96k → 64k并把 thinking 级别从 high 调到 low。low 级别只增加 10-30% 推理时间平衡速度和质量。5.3 compaction already_compacted_recently这个组合说明压缩太频繁刚压完又满了。根因通常是工具调用太多每次工具返回都堆积在上下文里。检查 SOUL.md 里有没有约束工具调用次数有没有要求先思考再行动。没有 thinking 的模型会疯狂调工具试错204 条消息撑爆上下文是常事。5.4 edit failed: Could not find exact text模型不先读文件就直接编辑oldText匹配不上失败后返回完整文件内容又塞进上下文 5-10k token加速爆炸。在 SOUL.md 里加规则编辑文件前先读目标区域确认oldText完全匹配后再编辑。5.5 Flash Attention 没生效设了环境变量但没重启 Ollama等于没设。必须从托盘退出再重新打开。验证用[System.Environment]::GetEnvironmentVariable(OLLAMA_FLASH_ATTENTION, User)返回 1 才算数。5.6 Windows PowerShell 命令报错curl和grep在 PowerShell 里不是 Linux 那套。用Invoke-RestMethod替代 curl用Select-String替代 grep。或者干脆用ollama show命令比手动解析 JSON 省事。6. 长期编码与 Agent 场景的 Key 管理本地 Ollama 跑单模型没问题但一旦你要在多个项目、多个模型之间切换Key 和地址散落在各个配置文件里就会很痛苦。TaoToken 的统一 Key 方案是把所有模型调用收敛到一个 base_urlOpenClaw 侧只维护一份 provider 配置。对于长期跑编码和 Agent 任务的场景Coding Plan 比按量调用更划算地址是 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。如果你用的是 Claude Code 这类工具接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面有 Anthropic 兼容格式的配置示例。实际配置时把 TaoToken 的 base_url 填进 OpenClaw 的 provider 段Key 填进 apiKey 字段模型名用 TaoToken 支持的名称。这样本地 Ollama 和云端模型可以共存OpenClaw 按任务类型路由长上下文任务走本地省成本复杂推理走云端保质量。最后给一个实操建议每次开新任务前先看一眼当前 session 的 context 占用百分比。超过 70% 就考虑拆子任务或者写 memory 文件。上下文一定会用完Context Compaction 也无法真正避免但你能控制的是污染速度。把num_ctx对齐、Flash Attention 打开、maxTokens压到 8192、SOUL.md 加约束、子代理隔离上下文这五件事做完OpenClaw 的稳定性会有肉眼可见的提升。