--- read_when: - Vous souhaitez comprendre la Compaction automatique et /compact - Vous déboguez de longues sessions qui atteignent les limites de contexte summary: Comment OpenClaw résume les longues conversations pour rester dans les limites du modèle title: Compaction x-i18n: generated_at: "2026-05-11T20:30:48Z" model: gpt-5.5 provider: openai source_hash: edef60498a1e91405bd42d5e6eb4883719487f6d6f40936c4168e8bc5f40a39a source_path: concepts/compaction.md workflow: 16 --- Chaque modèle dispose d’une fenêtre de contexte : le nombre maximal de tokens qu’il peut traiter. Lorsqu’une conversation approche de cette limite, OpenClaw **compacte** les anciens messages dans un résumé afin que le chat puisse continuer. ## Fonctionnement 1. Les anciens tours de conversation sont résumés dans une entrée compacte. 2. Le résumé est enregistré dans la transcription de session. 3. Les messages récents sont conservés intacts. Quand OpenClaw divise l’historique en blocs de Compaction, il garde les appels d’outils de l’assistant associés à leurs entrées `toolResult` correspondantes. Si un point de découpe tombe à l’intérieur d’un bloc d’outil, OpenClaw déplace la limite afin que la paire reste groupée et que la fin actuelle non résumée soit préservée. L’historique complet de la conversation reste sur disque. La Compaction ne modifie que ce que le modèle voit au tour suivant. ## Auto-compaction L’auto-compaction est activée par défaut. Elle s’exécute lorsque la session approche de la limite de contexte, ou lorsque le modèle renvoie une erreur de dépassement de contexte (auquel cas OpenClaw compacte puis réessaie). Vous verrez : - `embedded run auto-compaction start` / `complete` dans les journaux Gateway normaux. - `🧹 Auto-compaction complete` en mode détaillé. - `/status` affichant `🧹 Compactions: `. Avant de compacter, OpenClaw rappelle automatiquement à l’agent d’enregistrer les notes importantes dans des fichiers de [mémoire](/fr/concepts/memory). Cela évite la perte de contexte. OpenClaw détecte le dépassement de contexte à partir de ces modèles d’erreur de fournisseur : - `request_too_large` - `context length exceeded` - `input exceeds the maximum number of tokens` - `input token count exceeds the maximum number of input tokens` - `input is too long for the model` - `ollama error: context length exceeded` ## Compaction manuelle Tapez `/compact` dans n’importe quel chat pour forcer une Compaction. Ajoutez des instructions pour guider le résumé : ``` /compact Focus on the API design decisions ``` Lorsque `agents.defaults.compaction.keepRecentTokens` est défini, la Compaction manuelle respecte ce point de découpe Pi et conserve la fin récente dans le contexte reconstruit. Sans budget de conservation explicite, la Compaction manuelle se comporte comme un point de contrôle strict et continue uniquement à partir du nouveau résumé. ## Configuration Configurez la Compaction sous `agents.defaults.compaction` dans votre `openclaw.json`. Les réglages les plus courants sont listés ci-dessous ; pour la référence complète, consultez [Présentation approfondie de la gestion de session](/fr/reference/session-management-compaction). ### Utiliser un autre modèle Par défaut, la Compaction utilise le modèle principal de l’agent. Définissez `agents.defaults.compaction.model` pour déléguer le résumé à un modèle plus performant ou spécialisé. La surcharge accepte toute chaîne `provider/model-id` : ```json { "agents": { "defaults": { "compaction": { "model": "openrouter/anthropic/claude-sonnet-4-6" } } } } ``` Cela fonctionne aussi avec les modèles locaux, par exemple un second modèle Ollama dédié au résumé : ```json { "agents": { "defaults": { "compaction": { "model": "ollama/llama3.1:8b" } } } } ``` Lorsqu’elle n’est pas définie, la Compaction démarre avec le modèle de session actif. Si le résumé échoue avec une erreur de fournisseur admissible au repli de modèle, OpenClaw réessaie cette tentative de Compaction via la chaîne de repli de modèle existante de la session. Le choix de repli est temporaire et n’est pas réécrit dans l’état de session. Une surcharge explicite `agents.defaults.compaction.model` reste exacte et n’hérite pas de la chaîne de repli de session. ### Préservation des identifiants Le résumé de Compaction préserve par défaut les identifiants opaques (`identifierPolicy: "strict"`). Utilisez `identifierPolicy: "off"` pour désactiver ce comportement, ou `identifierPolicy: "custom"` avec `identifierInstructions` pour des consignes personnalisées. ### Garde de taille en octets de la transcription active Lorsque `agents.defaults.compaction.maxActiveTranscriptBytes` est défini, OpenClaw déclenche une Compaction locale normale avant une exécution si le JSONL actif atteint cette taille. C’est utile pour les sessions longues où la gestion du contexte côté fournisseur peut maintenir le contexte du modèle en bon état tandis que la transcription locale continue de grossir. Cela ne découpe pas les octets JSONL bruts ; cela demande au pipeline de Compaction normal de créer un résumé sémantique. La garde de taille en octets nécessite `truncateAfterCompaction: true`. Sans rotation de transcription, le fichier actif ne rétrécirait pas et la garde resterait inactive. ### Transcriptions successeures Lorsque `agents.defaults.compaction.truncateAfterCompaction` est activé, OpenClaw ne réécrit pas la transcription existante sur place. Il crée une nouvelle transcription successeure active à partir du résumé de Compaction, de l’état préservé et de la fin non résumée, puis conserve le JSONL précédent comme source de point de contrôle archivée. Les transcriptions successeures suppriment aussi les longs tours utilisateur exactement dupliqués qui arrivent dans une courte fenêtre de nouvelle tentative, afin que les rafales de relances de canal ne soient pas conservées dans la prochaine transcription active après la Compaction. Les points de contrôle pré-Compaction ne sont conservés que tant qu’ils restent sous le plafond de taille de point de contrôle d’OpenClaw ; les transcriptions actives surdimensionnées sont tout de même compactées, mais OpenClaw ignore le grand instantané de débogage au lieu de doubler l’utilisation du disque. ### Notifications de Compaction Par défaut, la Compaction s’exécute silencieusement. Définissez `notifyUser` pour afficher de brefs messages d’état lorsque la Compaction démarre et se termine : ```json5 { agents: { defaults: { compaction: { notifyUser: true, }, }, }, } ``` ### Vidage de mémoire Avant la Compaction, OpenClaw peut exécuter un tour de **vidage de mémoire silencieux** pour stocker des notes durables sur disque. Définissez `agents.defaults.compaction.memoryFlush.model` lorsque ce tour de maintenance doit utiliser un modèle local au lieu du modèle de conversation actif : ```json { "agents": { "defaults": { "compaction": { "memoryFlush": { "model": "ollama/qwen3:8b" } } } } } ``` La surcharge du modèle de vidage de mémoire est exacte et n’hérite pas de la chaîne de repli de session active. Consultez [Mémoire](/fr/concepts/memory) pour les détails et la configuration. ## Fournisseurs de Compaction enfichables Les Plugins peuvent enregistrer un fournisseur de Compaction personnalisé via `registerCompactionProvider()` sur l’API du Plugin. Lorsqu’un fournisseur est enregistré et configuré, OpenClaw lui délègue le résumé au lieu d’utiliser le pipeline LLM intégré. Pour utiliser un fournisseur enregistré, définissez son id dans votre configuration : ```json { "agents": { "defaults": { "compaction": { "provider": "my-provider" } } } } ``` Définir un `provider` force automatiquement `mode: "safeguard"`. Les fournisseurs reçoivent les mêmes instructions de Compaction et la même politique de préservation des identifiants que le chemin intégré, et OpenClaw préserve toujours le contexte de suffixe des tours récents et des tours divisés après la sortie du fournisseur. Si le fournisseur échoue ou renvoie un résultat vide, OpenClaw revient au résumé LLM intégré. ## Compaction ou élagage | | Compaction | Élagage | | ---------------- | ----------------------------- | -------------------------------- | | **Ce que cela fait** | Résume les anciennes conversations | Tronque les anciens résultats d’outils | | **Enregistré ?** | Oui (dans la transcription de session) | Non (uniquement en mémoire, par requête) | | **Portée** | Conversation entière | Résultats d’outils uniquement | [L’élagage de session](/fr/concepts/session-pruning) est un complément plus léger qui tronque la sortie des outils sans la résumer. ## Dépannage **Compaction trop fréquente ?** La fenêtre de contexte du modèle peut être petite, ou les sorties d’outils peuvent être volumineuses. Essayez d’activer [l’élagage de session](/fr/concepts/session-pruning). **Le contexte semble périmé après la Compaction ?** Utilisez `/compact Focus on ` pour guider le résumé, ou activez le [vidage de mémoire](/fr/concepts/memory) afin que les notes soient conservées. **Besoin de repartir de zéro ?** `/new` démarre une nouvelle session sans Compaction. Pour la configuration avancée (tokens réservés, préservation des identifiants, moteurs de contexte personnalisés, Compaction côté serveur OpenAI), consultez la [présentation approfondie de la gestion de session](/fr/reference/session-management-compaction). ## Connexe - [Session](/fr/concepts/session) : gestion et cycle de vie des sessions. - [Élagage de session](/fr/concepts/session-pruning) : tronquer les résultats d’outils. - [Contexte](/fr/concepts/context) : comment le contexte est construit pour les tours d’agent. - [Hooks](/fr/automation/hooks) : hooks de cycle de vie de la Compaction (`before_compaction`, `after_compaction`).