Huo15 Token Optimizer

辉火 Token 优化器

系统化节省 OpenClaw 工作区 token 消耗。读 → 扫 → 预览 → 确认 → 执行。

触发词

• 「token 优化」「节约 token」「扫描 token」「token 报告」
• 「token 清理」「token 监控」「token 恢复」
• AI 检测到当前 session 上下文过大时可主动建议

决策树

用户说触发词
  ├── 无参数 → scan（只读报告，不修改任何文件）
  ├── "清理" → scan + clean --dry-run → 展示预览 → 用户确认 → clean --all --force
  ├── "报告" → report
  ├── "监控" → watch
  └── "恢复 <日期>" → clean --restore 

使用方式

1. 扫描（安全，只读）

python3 scripts/scan.py

输出所有工作区的 token 消耗报告 + 可清理项预估。

2. 清理（需确认）

# 预览（默认安全模式）
python3 scripts/clean.py --all --dry-run

# 确认后执行
python3 scripts/clean.py --all --force

安全机制:

• 不加 --force 永远不执行，仅预览
• 执行前自动备份到 ~/.openclaw/.token-opt-backups/YYYY-MM-DD/
• AGENTS.md 永不自动替换（可能含自定义规则）
• DREAMS.md 截断至最近 15 条（config.dreams_keep_entries）

3. 报告

python3 scripts/report.py

生成 Markdown 格式的 token 消耗看板。

4. 监控

python3 scripts/watch.py

持续运行，当任一工作区 DREAMS > 60KB 或 AGENTS > 10KB 时告警。

5. 恢复

python3 scripts/clean.py --restore YYYY-MM-DD

从指定日期的备份恢复所有被修改的文件。

AI 执行指南

当 AI 被要求执行 token 优化时，按以下流程：

1. 先 scan — python3 scripts/scan.py，将报告展示给用户
2. 问用户 — 「以上是扫描结果。需要我预览清理方案吗？」
3. 预览 — python3 scripts/clean.py --all --dry-run，展示每个文件的变更
4. 等确认 — 用户明确说「执行」后再加 --force
5. 报告结果 — 展示清理前后对比

配置

阈值在 config.json 中，可按需调整：

参考

• references/token-best-practices.md — 2026 年最新 token 节省手法
• references/openclaw-config-guide.md — compaction / model route / lightContext 调优指南