OpenClaw AI需通过五级配置防范长文本滥用：一、网关层设input_length_limit字符上限；二、LLM层用max_input_tokens做token级截断；三、Nginx限制body大小及content-length头；四、rate_limit联合限频与总长度；五、Skills插件内嵌输入校验与控制字符过滤。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用 OpenClaw AI 时发现模型响应异常、内存占用飙升或遭遇恶意长文本注入攻击，则可能是单次请求长度未加限制所致。OpenClaw 默认未对输入 token 数量设硬性上限，需通过配置主动干预。以下是多种可落地的防滥用配置方法：
一、配置 input_length_limit 参数（核心参数级限制）
该方法直接作用于 OpenClaw 请求解析层，在网关入口强制截断超长输入，是防御恶意构造超长 prompt 的第一道防线。需修改主配置文件并重启服务。
1、打开 OpenClaw 安装目录下的 openclaw.json 文件。
2、在 "gateway" 节点下添加字段："input_length_limit": 4096（单位为 Unicode 字符数，推荐值 2048–8192，视模型上下文窗口调整）。
3、保存文件后，在终端执行 openclaw d2a restart 使配置生效。
4、验证是否生效：向 OpenClaw 发送一段长度为 5000 字符的测试文本，观察其返回是否触发 "Input too long, truncated to 4096 chars" 类提示。
二、启用 LLM 层 token 截断（模型推理层限制）
该方法在模型调用前由 tokenizer 实际计算 token 数量，并按指定阈值动态截断，比字符级更精准，可防止宽字节或特殊编码绕过字符限制。
1、进入 config/llm/ 目录，找到当前启用的模型配置文件（如 qwen2-7b.json）。
2、在 "model_config" 下添加字段："max_input_tokens": 3500（建议比模型原生 context window 小 512–1024 token，预留输出空间）。
3、确保该模型配置已加载：运行 openclaw llm list 确认状态为 active。
4、若使用远程 API 模型（如 OpenAI 兼容端点），在对应配置中添加 "headers": {"X-Input-Token-Limit": "3500"}（需后端服务支持该头）。
三、部署 Nginx 反向代理层长度过滤（基础设施级防护）
当 OpenClaw 部署在公网且需统一拦截所有 HTTP 请求时，可在反向代理层实施请求体大小控制，无需修改 OpenClaw 代码，适用于多实例集群场景。
1、编辑 Nginx 配置文件（通常位于 /etc/nginx/conf.d/openclaw.conf）。
使用AIsa生成图像与视频。仅需一个API密钥即可调用Gemini 3 Pro Image（图像）和Qwen Wan 2.6（视频）。
2、在 location /api/ 块内添加：client_max_body_size 2M;（限制整个 POST body 不超过 2MB，等效约 100–200KB 文本）。
3、同时添加请求头校验规则：if ($http_content_length > 2097152) { return 413; }。
4、执行 nginx -t && nginx -s reload 重载配置。
四、启用请求频率与长度联合限流（行为策略级防护）
该方法结合时间窗口与单次长度双重维度，有效抑制高频+长文本组合式滥用，尤其防范自动化脚本探测。
1、在 openclaw.json 的 "rate_limit" 节点下嵌套配置："input_length_threshold": 1024。
2、设置对应限流规则："rules": [{"window_seconds": 60, "max_requests": 10, "max_length_sum": 32768}]（即每分钟最多 10 次请求，总输入字符数不超过 32768）。
3、启用限流中间件：确保 "enable_rate_limit": true 已开启。
4、测试触发条件：连续发送 11 条含 2000 字符的请求，第 11 条应返回 HTTP 429 状态码及 "Rate limit exceeded for input length" 提示。
五、配置 Skills 插件级输入校验（功能模块级隔离）
针对高风险 Skills（如 web_fetch、exec、write），需在插件自身逻辑中嵌入独立长度检查，避免全局配置失效时产生漏洞逃逸。
1、定位目标 Skill 的主 Python 文件（如 skills/web_fetch/main.py）。
2、在函数入口处插入校验逻辑：if len(user_input) > 2048: raise ValueError("Input exceeds 2048 chars for web_fetch")。
3、对涉及系统命令的 Skills（如 exec），额外增加 if re.search(r'[\x00-\x08\x0b\x0c\x0e-\x1f\x7f]', user_input): raise ValueError("Binary control chars forbidden") 过滤不可见控制字符。
4、重启 Skill 服务：执行 openclaw skill reload web_fetch。
