Grok多轮对话需启用原生记忆并合理截断历史：首步加X-Grok-Memory: enabled，次步设X-Grok-Memory-TTL为1800～7200；推荐用tiktoken动态截断至≤3800 tokens，或固定保留最近5轮；system消息须置messages最前；OpenClaw需开启contextPruning并设historyTurnLimit为6、maxTurns为5、toolResultPruning启用。
☞☞☞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☜☜☜
你需要让Grok在多轮对话中既保持关键记忆，又不因历史消息过长拖慢响应或触发Token超限报错。直接全量传递所有messages会导致第30轮后延迟陡增、成本翻倍，甚至被API拒绝。
启用Grok原生记忆开关
第一步:在请求头中添加【X-Grok-Memory: enabled】字段。Grok 4默认关闭上下文记忆，不加此字段即视为无状态调用，每轮都从零开始。
第二步:设置【X-Grok-Memory-TTL: 3600】（单位秒），控制记忆存活时长。设为0表示永久记忆（仅限测试环境），生产环境建议设为1800～7200之间——超过时限后，Grok自动清空该会话所有历史缓存，不依赖客户端传入的messages数组。
这一步必须在首次请求时完成，后续轮次若未携带该Header，Grok仍沿用初始设定值，不会重置。
手动截断历史消息的两种方式
方法一:Token窗口动态截断（推荐）
使用tiktoken对每条message.content精确计数，保留system消息+最近若干条user/assistant消息，使总Token数严格≤3800（Grok 4最大输入窗口为4096，需预留296给输出）。
方法二:固定轮次截断
只保留最近5轮完整对话（即10条消息：5×user + 5×assistant），丢弃更早全部内容。此法简单但易丢失关键信息——比如用户在第6轮说“按上次说的方案执行”，而第1轮定义了该方案细节，就会失效。
注意:Grok不识别OpenAI-style的"role": "system"嵌套在history中，必须把system消息单独提至messages最前端，否则会被当作普通对话忽略。
配置OpenClaw上下文压缩策略
① 打开OpenClaw配置文件：vim ~/.openclaw/openclaw.json
此技能为 OpenClaw 安装并配置 Tablestore Mem0 插件。Tablestore Mem0使用阿里云表格存储作为向量存储后端。
② 定位到"models"→"providers"→"volcengine-plan"节点下
③ 在该provider配置块内添加或修改"contextPruning"字段，设为true
④ 确认已启用"historyTurnLimit"参数，并将其值设为6（保留最近6轮对话历史）
⑤ 保存并退出编辑器，重启OpenClaw服务使配置生效
裁剪工具调用结果与会话历史
在openclaw.json的全局配置区（非models节点）添加"history"对象。
设置"maxTurns"为5，控制整个会话中最多保留5轮用户-模型交互。
添加"toolResultPruning"字段，设为{"enabled": true, "maxLength": 4096}。
