docs/docs/th/reference/token-use.md

read_when	summary	title	x-i18n
การอธิบายการใช้โทเค็น ค่าใช้จ่าย หรือหน้าต่างบริบท การดีบักการเติบโตของบริบทหรือพฤติกรรม Compaction	วิธีที่ OpenClaw สร้างบริบทพรอมป์และรายงานการใช้งานโทเค็น + ค่าใช้จ่าย	การใช้โทเค็นและค่าใช้จ่าย	generated_at model provider source_hash source_path workflow 2026-05-02T20:59:22Z gpt-5.5 openai 648c1624aa81e896dacdbdc10784ca10fba2e43114823903da6455e7de512ace reference/token-use.md 16

การใช้โทเค็นและค่าใช้จ่าย

OpenClaw ติดตาม โทเค็น ไม่ใช่อักขระ โทเค็นขึ้นอยู่กับแต่ละโมเดล แต่โมเดลแบบ OpenAI ส่วนใหญ่มีค่าเฉลี่ยประมาณ 4 อักขระต่อโทเค็นสำหรับข้อความภาษาอังกฤษ

วิธีสร้างพรอมป์ระบบ

OpenClaw ประกอบพรอมป์ระบบของตัวเองในทุกครั้งที่รัน โดยประกอบด้วย:

• รายการเครื่องมือ + คำอธิบายสั้นๆ
• รายการ Skills (เฉพาะเมตาดาตาเท่านั้น; คำสั่งจะถูกโหลดเมื่อจำเป็นด้วย read) บล็อก Skills แบบกระชับถูกจำกัดด้วย skills.limits.maxSkillsPromptChars พร้อมการ override ราย agent ที่เลือกได้ที่ agents.list[].skillsLimits.maxSkillsPromptChars
• คำสั่งสำหรับอัปเดตตัวเอง
• Workspace + ไฟล์ bootstrap (AGENTS.md, SOUL.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, BOOTSTRAP.md เมื่อเป็นไฟล์ใหม่ รวมถึง MEMORY.md เมื่อมีอยู่) root memory.md ตัวพิมพ์เล็กจะไม่ถูกฉีดเข้าไป; เป็นอินพุตซ่อมแซมแบบ legacy สำหรับ openclaw doctor --fix เมื่อจับคู่กับ MEMORY.md ไฟล์ขนาดใหญ่จะถูกตัดทอนด้วย agents.defaults.bootstrapMaxChars (ค่าเริ่มต้น: 12000) และการฉีด bootstrap ทั้งหมดถูกจำกัดด้วย agents.defaults.bootstrapTotalMaxChars (ค่าเริ่มต้น: 60000) ไฟล์รายวัน memory/*.md ไม่ได้เป็นส่วนหนึ่งของพรอมป์ bootstrap ปกติ; ไฟล์เหล่านั้นยังคงเรียกใช้ตามต้องการผ่านเครื่องมือหน่วยความจำในเทิร์นทั่วไป แต่การรันโมเดลแบบรีเซ็ต/เริ่มต้นสามารถเติมบล็อกบริบทเริ่มต้นแบบครั้งเดียวที่มีหน่วยความจำรายวันล่าสุดไว้ด้านหน้าสำหรับเทิร์นแรกนั้นได้ คำสั่งแชทเปล่า /new และ /reset จะได้รับการตอบรับโดยไม่เรียกใช้โมเดล prelude เริ่มต้นถูกควบคุมโดย agents.defaults.startupContext
• เวลา (UTC + เขตเวลาของผู้ใช้)
• แท็กการตอบกลับ + พฤติกรรม Heartbeat
• เมตาดาตารันไทม์ (host/OS/model/thinking)

ดูรายละเอียดแยกส่วนทั้งหมดได้ใน พรอมป์ระบบ

สิ่งที่นับในหน้าต่างบริบท

ทุกอย่างที่โมเดลได้รับจะนับรวมในขีดจำกัดบริบท:

• พรอมป์ระบบ (ทุกส่วนที่ระบุไว้ด้านบน)
• ประวัติการสนทนา (ข้อความผู้ใช้ + ผู้ช่วย)
• การเรียกใช้เครื่องมือและผลลัพธ์เครื่องมือ
• ไฟล์แนบ/ทรานสคริปต์ (รูปภาพ เสียง ไฟล์)
• สรุป Compaction และอาร์ติแฟกต์การตัดทอน
• wrapper ของผู้ให้บริการหรือ safety header (มองไม่เห็น แต่ยังถูกนับ)

บางพื้นผิวที่ใช้รันไทม์หนักมีขีดจำกัดชัดเจนของตัวเอง:

• agents.defaults.contextLimits.memoryGetMaxChars
• agents.defaults.contextLimits.memoryGetDefaultLines
• agents.defaults.contextLimits.toolResultMaxChars
• agents.defaults.contextLimits.postCompactionMaxChars

การ override ราย agent อยู่ใต้ agents.list[].contextLimits knob เหล่านี้ใช้สำหรับข้อความคัดย่อรันไทม์แบบมีขอบเขตและบล็อกที่ถูกฉีดโดยรันไทม์เอง โดยแยกจากขีดจำกัด bootstrap, ขีดจำกัดบริบทเริ่มต้น และขีดจำกัดพรอมป์ Skills

สำหรับรูปภาพ OpenClaw จะย่อขนาด payload รูปภาพในทรานสคริปต์/เครื่องมือก่อนเรียกผู้ให้บริการ ใช้ agents.defaults.imageMaxDimensionPx (ค่าเริ่มต้น: 1200) เพื่อปรับค่านี้:

• ค่าที่ต่ำลงมักลดการใช้ vision-token และขนาด payload
• ค่าที่สูงขึ้นจะรักษารายละเอียดภาพไว้มากขึ้นสำหรับภาพหน้าจอที่เน้น OCR/UI

สำหรับรายละเอียดเชิงปฏิบัติ (แยกตามไฟล์ที่ฉีด เครื่องมือ Skills และขนาดพรอมป์ระบบ) ใช้ /context list หรือ /context detail ดู บริบท

วิธีดูการใช้โทเค็นปัจจุบัน

ใช้คำสั่งเหล่านี้ในแชท:

• /status → การ์ดสถานะที่มีอีโมจิจำนวนมาก พร้อมโมเดลของเซสชัน การใช้บริบท โทเค็นอินพุต/เอาต์พุตของการตอบล่าสุด และ ค่าใช้จ่ายโดยประมาณ (เฉพาะ API key)
• /usage off|tokens|full → เพิ่ม footer การใช้งานรายคำตอบ ต่อท้ายทุกคำตอบ
  • คงอยู่ต่อเซสชัน (จัดเก็บเป็น responseUsage)
  • การยืนยันตัวตน OAuth ซ่อนค่าใช้จ่าย (แสดงเฉพาะโทเค็น)
• /usage cost → แสดงสรุปค่าใช้จ่ายแบบ local จาก log เซสชัน OpenClaw

พื้นผิวอื่นๆ:

• TUI/Web TUI: รองรับ /status + /usage
• CLI: openclaw status --usage และ openclaw channels list แสดง หน้าต่างโควตาผู้ให้บริการแบบ normalize (เหลือ X% ไม่ใช่ค่าใช้จ่ายรายคำตอบ) ผู้ให้บริการหน้าต่างการใช้งานปัจจุบัน: Anthropic, GitHub Copilot, Gemini CLI, OpenAI Codex, MiniMax, Xiaomi และ z.ai

พื้นผิวการใช้งานจะ normalize alias ของฟิลด์ native ทั่วไปจากผู้ให้บริการก่อนแสดงผล สำหรับทราฟฟิก Responses ตระกูล OpenAI ซึ่งรวมทั้ง input_tokens / output_tokens และ prompt_tokens / completion_tokens ดังนั้นชื่อฟิลด์เฉพาะ transport จะไม่เปลี่ยน /status, /usage หรือสรุปเซสชัน การใช้งาน JSON ของ Gemini CLI ก็ถูก normalize เช่นกัน: ข้อความตอบกลับมาจาก response และ stats.cached จะ map ไปยัง cacheRead โดยใช้ stats.input_tokens - stats.cached เมื่อ CLI ละฟิลด์ stats.input ที่ชัดเจน สำหรับทราฟฟิก Responses native ตระกูล OpenAI alias การใช้งาน WebSocket/SSE จะถูก normalize แบบเดียวกัน และยอดรวมจะ fallback ไปยังอินพุต + เอาต์พุตที่ normalize แล้วเมื่อ total_tokens ขาดหายหรือเป็น 0 เมื่อ snapshot เซสชันปัจจุบันมีข้อมูลน้อย /status และ session_status ยังสามารถ กู้คืนตัวนับโทเค็น/แคชและป้ายชื่อโมเดลรันไทม์ที่ใช้งานอยู่จาก log การใช้งานทรานสคริปต์ ล่าสุดได้ ค่า live ที่ไม่เป็นศูนย์ที่มีอยู่ยังคงมีลำดับความสำคัญเหนือค่า fallback จากทรานสคริปต์ และยอดรวมทรานสคริปต์ที่เน้นพรอมป์ซึ่งมีค่ามากกว่าสามารถชนะได้เมื่อยอดรวมที่จัดเก็บ ขาดหายหรือเล็กกว่า การยืนยันตัวตนการใช้งานสำหรับหน้าต่างโควตาผู้ให้บริการมาจาก hook เฉพาะผู้ให้บริการเมื่อ พร้อมใช้งาน; ไม่เช่นนั้น OpenClaw จะ fallback ไปจับคู่ข้อมูลประจำตัว OAuth/API-key จาก auth profile, env หรือ config รายการทรานสคริปต์ของผู้ช่วยจะคงรูปแบบการใช้งานที่ normalize เดียวกัน รวมถึง usage.cost เมื่อโมเดลที่ใช้งานอยู่มีการกำหนดราคาและผู้ให้บริการ ส่งคืนเมตาดาตาการใช้งาน ซึ่งทำให้ /usage cost และสถานะเซสชันที่อิงทรานสคริปต์ มีแหล่งข้อมูลที่เสถียรแม้หลังจากสถานะรันไทม์ live หายไปแล้ว

OpenClaw แยกการบัญชีการใช้งานของผู้ให้บริการออกจาก snapshot บริบทปัจจุบัน usage.total ของผู้ให้บริการอาจรวมอินพุตที่แคชแล้ว เอาต์พุต และการเรียกโมเดลหลายครั้งใน tool-loop จึงมีประโยชน์สำหรับค่าใช้จ่ายและ telemetry แต่อาจประเมินหน้าต่างบริบท live สูงเกินจริง การแสดงบริบทและการวินิจฉัยใช้ snapshot พรอมป์ล่าสุด (promptTokens หรือการเรียกโมเดลล่าสุดเมื่อไม่มี snapshot พรอมป์) สำหรับ context.used

การประมาณค่าใช้จ่าย (เมื่อแสดง)

ค่าใช้จ่ายประมาณจาก config ราคาของโมเดลของคุณ:

models.providers.<provider>.models[].cost

ค่านี้คือ USD ต่อ 1M โทเค็น สำหรับ input, output, cacheRead และ cacheWrite หากไม่มีราคา OpenClaw จะแสดงเฉพาะโทเค็นเท่านั้น โทเค็น OAuth จะไม่แสดงค่าใช้จ่ายเป็นดอลลาร์

หลังจาก sidecar และ channel เข้าสู่เส้นทาง Gateway พร้อมใช้งาน OpenClaw จะเริ่ม pricing bootstrap เบื้องหลังที่เลือกได้สำหรับ model ref ที่กำหนดค่าไว้ซึ่งยังไม่มีราคา local bootstrap นั้นจะดึง catalog ราคา OpenRouter และ LiteLLM จากระยะไกล ตั้งค่า models.pricing.enabled: false เพื่อข้ามการดึง catalog เหล่านั้นบนเครือข่ายแบบ offline หรือจำกัดการเข้าถึง; รายการ models.providers.*.models[].cost ที่ระบุชัดเจน ยังคงขับเคลื่อนการประมาณค่าใช้จ่าย local ต่อไป

Cache TTL และผลกระทบจากการตัดแต่ง

การแคชพรอมป์ของผู้ให้บริการจะใช้ได้เฉพาะภายในหน้าต่าง cache TTL เท่านั้น OpenClaw สามารถ รัน การตัดแต่ง cache-ttl ได้ตามต้องการ: จะตัดแต่งเซสชันเมื่อ cache TTL หมดอายุแล้ว จากนั้นรีเซ็ตหน้าต่างแคชเพื่อให้คำขอถัดไปสามารถใช้บริบทที่เพิ่งแคชใหม่ แทนการแคชประวัติทั้งหมดซ้ำ วิธีนี้ช่วยลดค่าใช้จ่ายการเขียนแคชเมื่อเซสชันว่างนานกว่า TTL

กำหนดค่าใน การกำหนดค่า Gateway และดูรายละเอียดพฤติกรรมใน การตัดแต่งเซสชัน

Heartbeat สามารถทำให้แคช warm ข้ามช่วงว่างได้ หาก cache TTL ของโมเดลคุณ คือ 1h การตั้งช่วง Heartbeat ให้ต่ำกว่านั้นเล็กน้อย (เช่น 55m) สามารถหลีกเลี่ยง การแคชพรอมป์ทั้งหมดซ้ำ ลดค่าใช้จ่ายการเขียนแคชได้

ในการตั้งค่าแบบ multi-agent คุณสามารถใช้ config โมเดลที่ใช้ร่วมกันหนึ่งชุดและปรับพฤติกรรมแคช ราย agent ด้วย agents.list[].params.cacheRetention

สำหรับคู่มือ knob-by-knob ฉบับเต็ม ดู การแคชพรอมป์

สำหรับราคาของ Anthropic API การอ่านแคชมีราคาถูกกว่าโทเค็นอินพุตอย่างมีนัยสำคัญ ขณะที่การเขียนแคชถูกคิดเงินด้วยตัวคูณที่สูงกว่า ดูราคาการแคชพรอมป์ของ Anthropic สำหรับอัตราและตัวคูณ TTL ล่าสุด: https://docs.anthropic.com/docs/build-with-claude/prompt-caching

ตัวอย่าง: ทำให้แคช 1h warm ด้วย Heartbeat

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-6"
    models:
      "anthropic/claude-opus-4-6":
        params:
          cacheRetention: "long"
    heartbeat:
      every: "55m"

ตัวอย่าง: ทราฟฟิกแบบผสมพร้อมกลยุทธ์แคชราย agent

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-6"
    models:
      "anthropic/claude-opus-4-6":
        params:
          cacheRetention: "long" # default baseline for most agents
  list:
    - id: "research"
      default: true
      heartbeat:
        every: "55m" # keep long cache warm for deep sessions
    - id: "alerts"
      params:
        cacheRetention: "none" # avoid cache writes for bursty notifications

agents.list[].params จะ merge ทับบน params ของโมเดลที่เลือก ดังนั้นคุณสามารถ override เฉพาะ cacheRetention และสืบทอดค่าเริ่มต้นอื่นๆ ของโมเดลไว้เหมือนเดิม

ตัวอย่าง: เปิดใช้ header เบต้า Anthropic 1M context

หน้าต่างบริบท 1M ของ Anthropic ขณะนี้ถูกจำกัดด้วยเบต้า OpenClaw สามารถฉีดค่า anthropic-beta ที่จำเป็นเมื่อคุณเปิดใช้ context1m บนโมเดล Opus หรือ Sonnet ที่รองรับ

agents:
  defaults:
    models:
      "anthropic/claude-opus-4-6":
        params:
          context1m: true

สิ่งนี้ map ไปยัง beta header context-1m-2025-08-07 ของ Anthropic

สิ่งนี้มีผลเฉพาะเมื่อมีการตั้ง context1m: true บนรายการโมเดลนั้น

ข้อกำหนด: ข้อมูลประจำตัวต้องมีสิทธิ์ใช้งาน long-context หากไม่มีสิทธิ์ Anthropic จะตอบกลับด้วยข้อผิดพลาด rate limit ฝั่งผู้ให้บริการสำหรับคำขอนั้น

หากคุณยืนยันตัวตน Anthropic ด้วยโทเค็น OAuth/subscription (sk-ant-oat-*) OpenClaw จะข้าม beta header context-1m-* เพราะ Anthropic ในปัจจุบัน ปฏิเสธชุดค่านี้ด้วย HTTP 401

เคล็ดลับสำหรับลดแรงกดดันด้านโทเค็น

• ใช้ /compact เพื่อสรุปเซสชันยาวๆ
• ตัดเอาต์พุตเครื่องมือขนาดใหญ่ใน workflow ของคุณให้สั้นลง
• ลด agents.defaults.imageMaxDimensionPx สำหรับเซสชันที่มีภาพหน้าจอจำนวนมาก
• ทำให้คำอธิบาย Skills สั้น (รายการ Skills ถูกฉีดเข้าในพรอมป์)
• เลือกใช้โมเดลที่เล็กกว่าสำหรับงานสำรวจที่มีข้อความจำนวนมาก

ดู Skills สำหรับสูตร overhead ของรายการ Skills ที่แน่นอน

ที่เกี่ยวข้อง

• การใช้งาน API และค่าใช้จ่าย
• การแคชพรอมป์
• การติดตามการใช้งาน