🛡️ OpenClaw 会话上下文监控：从突然不说话到主动告警

问题

OpenClaw 长会话跑久了，上下文窗口被撑爆——模型拒绝回复、响应超时。这不是模型能力问题，是容量管理问题。本文给出一套可直接部署的监控方案。

核心思路

OpenClaw 的 openclaw status 命令能输出每个会话的 token 用量百分比。把它当作可观测指标，超阈值自动 Telegram 告警。

方法论：三步搭建监控

1. 定义指标

• Token 使用率 = 会话 token 数 / 模型上下文窗口上限
• OpenClaw 的 status 输出自带百分比，直接解析即可
• 阈值建议 85%（留给模型推理和压缩缓冲的余量）

2. 采集检测

• 定时调用 openclaw status，用 grep 提取百分比数字
• 与阈值比较，生成告警信号
• 关键：要先加载 nvm/pnpm 环境变量，否则 openclaw 命令找不到

3. 告警恢复

• 通过 OpenClaw 的 Telegram Bot Token 直接发告警消息
• 从 openclaw.json 中读取 botToken 和 allowFrom（Chat ID）
• 冷却机制：同一告警 1h 内不重复推
• 恢复操作：用户在 Telegram 发 /new 开新会话

可调参数

• 告警阈值：85%（太低骚扰，太高来不及）
• Cron 频率：每 15 分钟（高频场景改 5 分钟）
• 冷却时间：60 分钟

关键认知

OpenClaw Agent 的「不说话」往往不是模型变差了，而是上下文被撑满了。用一行 crontab + 一个 bash 脚本，把被动救火变成主动预防。这是 Agent 长期稳定运行的基础设施，不是可选项。