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_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_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_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite ，API Keys 页面是 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 。
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_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite 。长期跑编码和 Agent 任务的话，Coding Plan 更合适： https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite 。接入细节看文档： https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 。
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-a3b`nPARAMETER 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_ctx | maxTokens |
|---|---|---|---|
| 8GB | Qwen3:7B | 32768 | 4096 |
| 12GB | Qwen3:14B | 32768 | 4096 |
| 16GB | Qwen3:14B | 65536 | 8192 |
| 24GB | Qwen3.6:35b-a3b | 65536 | 8192 |
| 32GB | Qwen3.6:35b-a3b | 98304 | 8192 |
| 48GB+ | Qwen3.6:35b-a3b | 131072 | 8192 |
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 curl，Windows 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_ctx（128k → 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_url，OpenClaw 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_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite 。如果你用的是 Claude Code 这类工具，接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ，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。
