--- read_when: - Menjelaskan penggunaan token, biaya, atau jendela konteks - Men-debug pertumbuhan konteks atau perilaku Compaction summary: Cara OpenClaw menyusun konteks prompt dan melaporkan penggunaan token serta biaya title: Penggunaan token dan biaya x-i18n: generated_at: "2026-07-12T14:41:35Z" model: gpt-5.6 postprocess_version: locale-links-v1 provider: openai source_hash: 07c79e137d6809ccf8c435ef62641c0cc7579b3ec43acd513e430a7ab91cd47c source_path: reference/token-use.md workflow: 16 --- OpenClaw melacak **token**, bukan karakter. Token bersifat spesifik untuk setiap model, tetapi sebagian besar model bergaya OpenAI memiliki rata-rata ~4 karakter per token untuk teks bahasa Inggris. ## Cara prompt sistem dibuat OpenClaw menyusun prompt sistemnya sendiri pada setiap proses. Prompt ini mencakup: - Daftar alat + deskripsi singkat - Daftar Skills (hanya metadata; petunjuk dimuat sesuai kebutuhan dengan `read`). Giliran Codex native menerima blok Skills ringkas sebagai petunjuk pengembang kolaborasi dengan cakupan giliran; harness lain menerimanya di permukaan prompt normal. Dibatasi oleh `skills.limits.maxSkillsPromptChars`, dengan penggantian opsional per agen di `agents.list[].skillsLimits.maxSkillsPromptChars`. - Petunjuk pembaruan mandiri - Ruang kerja + berkas bootstrap (`AGENTS.md`, `SOUL.md`, `TOOLS.md`, `IDENTITY.md`, `USER.md`, `HEARTBEAT.md`, `BOOTSTRAP.md` saat baru, serta `MEMORY.md` jika ada). Berkas besar yang disisipkan dipotong berdasarkan `agents.defaults.bootstrapMaxChars` (bawaan: `20000`); total penyisipan bootstrap dibatasi oleh `agents.defaults.bootstrapTotalMaxChars` (bawaan: `60000`). - Giliran Codex native tidak menempelkan `MEMORY.md` mentah saat alat memori tersedia untuk ruang kerja tersebut; sebagai gantinya, giliran tersebut menerima penunjuk memori kecil dalam petunjuk pengembang kolaborasi dengan cakupan giliran dan menggunakan alat memori sesuai kebutuhan. Jika alat dinonaktifkan, pencarian memori tidak tersedia, atau ruang kerja aktif berbeda dari ruang kerja memori agen, `MEMORY.md` kembali menggunakan jalur konteks giliran normal yang dibatasi. - `memory.md` akar dengan huruf kecil tidak pernah disisipkan. Berkas tersebut merupakan masukan perbaikan lama untuk `openclaw doctor --fix`, yang memigrasikannya ke `MEMORY.md`. - Berkas harian `memory/*.md` bukan bagian dari prompt bootstrap normal; berkas tersebut tetap tersedia sesuai kebutuhan melalui alat memori pada giliran biasa. Proses model saat pengaturan ulang/mulai dapat menambahkan blok konteks awal sekali pakai yang berisi memori harian terbaru untuk giliran pertama tersebut, yang dikendalikan oleh `agents.defaults.startupContext`. Percakapan biasa `/new` dan `/reset` dikonfirmasi tanpa memanggil model. - Cuplikan `AGENTS.md` setelah Compaction bersifat terpisah dan memerlukan pengaktifan eksplisit `agents.defaults.compaction.postCompactionSections`. - Waktu (UTC + zona waktu pengguna) - Tag balasan + perilaku heartbeat - Metadata runtime (host/OS/model/penalaran) Lihat uraian lengkapnya di [Prompt Sistem](/id/concepts/system-prompt). Saat mendokumentasikan kredensial atau cuplikan autentikasi, gunakan [Konvensi Placeholder Rahasia](/id/reference/secret-placeholder-conventions) untuk menghindari positif palsu pemindai rahasia dalam perubahan yang hanya menyentuh dokumentasi. ## Yang dihitung dalam jendela konteks Semua yang diterima model dihitung terhadap batas konteks: - Prompt sistem (semua bagian di atas) - Riwayat percakapan (pesan pengguna + asisten) - Pemanggilan alat dan hasil alat - Lampiran/transkrip (gambar, audio, berkas) - Ringkasan Compaction dan artefak pemangkasan - Pembungkus penyedia atau header keamanan (tidak terlihat, tetapi tetap dihitung) Permukaan dengan beban runtime tinggi memiliki batas eksplisit tersendiri di bawah `agents.defaults.contextLimits` (penggantian per agen di bawah `agents.list[].contextLimits`): | Kunci | Tujuan | | ------------------------ | ------------------------------------------------------------------------- | | `memoryGetMaxChars` | Jumlah karakter maksimum yang dikembalikan `memory_get` sebelum dipotong. | | `memoryGetDefaultLines` | Jendela baris bawaan `memory_get` saat permintaan tidak menyertakan `lines`. | | `toolResultMaxChars` | Batas atas lanjutan untuk satu hasil alat langsung (hingga `1000000` karakter). | | `postCompactionMaxChars` | Jumlah karakter maksimum dari `AGENTS.md` yang dipertahankan selama penyegaran setelah Compaction. | Ini adalah cuplikan runtime yang dibatasi dan blok yang disisipkan serta dimiliki runtime, terpisah dari batas bootstrap, batas konteks awal, dan batas prompt Skills. `toolResultMaxChars` tidak ditetapkan secara bawaan, sehingga OpenClaw memperoleh batas hasil alat langsung dari jendela konteks model yang efektif: `16000` karakter di bawah 100 ribu token, `32000` karakter pada 100 ribu+ token, `64000` karakter pada 200 ribu+ token. Pengaman porsi konteks runtime tetap membatasi satu hasil alat hingga 30% dari jendela konteks bahkan saat batas atas eksplisit yang lebih besar dikonfigurasi. Untuk gambar, OpenClaw menurunkan skala muatan gambar transkrip/alat sebelum pemanggilan penyedia. Sesuaikan dengan `agents.defaults.imageMaxDimensionPx` (bawaan: `1200`): - Nilai yang lebih rendah mengurangi penggunaan token visi dan ukuran muatan. - Nilai yang lebih tinggi mempertahankan lebih banyak detail visual untuk tangkapan layar yang banyak memuat OCR/UI. Untuk uraian praktis (per berkas yang disisipkan, alat, Skills, dan ukuran prompt sistem), gunakan `/context list` atau `/context detail`. Lihat [Konteks](/id/concepts/context). ## Cara melihat penggunaan token saat ini Dalam percakapan: - `/status` -> kartu status kaya emoji dengan model sesi, penggunaan konteks, token masukan/keluaran respons terakhir, dan perkiraan biaya saat harga lokal dikonfigurasi untuk model aktif. - `/usage off|tokens|full` -> menambahkan footer penggunaan per respons ke setiap balasan. Dipertahankan per sesi (disimpan sebagai `responseUsage`). - `/usage reset` (alias: `inherit`, `clear`, `default`) menghapus penggantian sesi sehingga kembali mewarisi nilai bawaan yang dikonfigurasi. - `/usage tokens` menampilkan detail token/cache giliran. - `/usage full` menampilkan detail ringkas model/konteks/biaya; perkiraan biaya hanya muncul saat OpenClaw memiliki metadata penggunaan dan harga lokal untuk model aktif. Tata letak khusus `messages.usageTemplate` dapat menyertakan kolom token/cache. - `/usage cost` -> ringkasan biaya lokal dari log sesi OpenClaw. Permukaan lain: - **TUI/Web TUI:** `/status` dan `/usage` didukung. - **CLI:** `openclaw status --usage` dan `openclaw channels list` menampilkan jendela kuota penyedia yang dinormalisasi (`X% left`, bukan biaya per respons). Penyedia jendela penggunaan saat ini: Claude (Anthropic), ClawRouter, Copilot (GitHub), DeepSeek, Gemini (Google Gemini CLI), MiniMax, OpenAI, Xiaomi, Xiaomi Token Plan, dan z.ai. Permukaan penggunaan menormalisasi alias kolom native umum milik penyedia sebelum ditampilkan. Untuk lalu lintas Responses keluarga OpenAI, ini mencakup `input_tokens`/`output_tokens` dan `prompt_tokens`/`completion_tokens`, sehingga nama kolom khusus transportasi tidak mengubah `/status`, `/usage`, atau ringkasan sesi. Penggunaan Gemini CLI juga dinormalisasi: parser `stream-json` bawaan membaca peristiwa `message` asisten, dan `stats.cached` dipetakan ke `cacheRead`, dengan `stats.input_tokens - stats.cached` digunakan saat CLI tidak menyertakan kolom `stats.input` eksplisit. Penggantian JSON lama tetap membaca teks balasan dari `response`. Untuk lalu lintas Responses native keluarga OpenAI, alias penggunaan WebSocket/SSE dinormalisasi dengan cara yang sama, dan total kembali menggunakan masukan + keluaran yang dinormalisasi saat `total_tokens` tidak ada atau bernilai `0`. Saat snapshot sesi saat ini tidak lengkap, `/status` dan `session_status` dapat memulihkan penghitung token/cache dan label model runtime aktif dari log penggunaan transkrip terbaru. Nilai langsung bukan nol yang ada tetap diprioritaskan daripada nilai cadangan transkrip, dan total transkrip berorientasi prompt yang lebih besar dapat dipilih saat total yang tersimpan tidak ada atau lebih kecil. Autentikasi penggunaan untuk jendela kuota penyedia berasal dari hook khusus penyedia terlebih dahulu; jika penyedia tidak memiliki hook (atau hook tidak menghasilkan token), OpenClaw kembali menggunakan kredensial OAuth/kunci API yang cocok dari profil autentikasi, env, atau konfigurasi. Entri transkrip asisten mempertahankan bentuk penggunaan ternormalisasi yang sama, termasuk `usage.cost` saat harga untuk model aktif telah dikonfigurasi dan penyedia mengembalikan metadata penggunaan. Ini memberi `/usage cost` dan status sesi berbasis transkrip sumber yang stabil bahkan setelah status runtime langsung tidak lagi tersedia. OpenClaw memisahkan penghitungan penggunaan penyedia dari snapshot konteks saat ini. `usage.total` penyedia dapat mencakup masukan yang di-cache, keluaran, dan beberapa pemanggilan model dalam perulangan alat, sehingga berguna untuk biaya dan telemetri tetapi dapat melebihkan jendela konteks langsung. Tampilan dan diagnostik konteks menggunakan snapshot prompt terbaru (`promptTokens`, atau pemanggilan model terakhir saat tidak ada snapshot prompt) untuk `context.used`. ## Perkiraan biaya (saat ditampilkan) Biaya diperkirakan dari konfigurasi harga model Anda: ```text models.providers..models[].cost ``` Nilai ini adalah **USD per 1 juta token** untuk `input`, `output`, `cacheRead`, dan `cacheWrite`. Jika harga tidak tersedia, `/usage full` tidak menampilkan biaya; gunakan `/usage tokens` atau `messages.usageTemplate` khusus saat Anda memerlukan detail token/cache dalam setiap balasan. Tampilan biaya tidak terbatas pada autentikasi kunci API: penyedia tanpa kunci API seperti `aws-sdk` dapat menampilkan perkiraan biaya saat entri model yang dikonfigurasi menyertakan harga lokal dan penyedia mengembalikan metadata penggunaan. Setelah sidecar dan saluran mencapai jalur siap Gateway, OpenClaw memulai bootstrap harga latar belakang opsional untuk referensi model terkonfigurasi yang belum memiliki harga lokal. Bootstrap tersebut mengambil katalog harga OpenRouter dan LiteLLM jarak jauh. Tetapkan `models.pricing.enabled: false` untuk melewati pengambilan katalog tersebut pada jaringan luring atau terbatas; entri eksplisit `models.providers.*.models[].cost` tetap menentukan perkiraan biaya lokal. ## Dampak TTL cache dan pemangkasan Cache prompt penyedia hanya berlaku dalam jendela TTL cache. OpenClaw secara opsional dapat menjalankan **pemangkasan TTL cache**: sesi dipangkas setelah TTL cache berakhir, lalu jendela cache diatur ulang sehingga permintaan berikutnya menggunakan kembali konteks yang baru di-cache alih-alih melakukan cache ulang terhadap seluruh riwayat. Hal ini menjaga biaya penulisan cache tetap lebih rendah saat sesi tidak aktif melewati TTL. Konfigurasikan di [konfigurasi Gateway](/id/gateway/configuration) dan lihat detail perilakunya di [Pemangkasan sesi](/id/concepts/session-pruning). Heartbeat dapat menjaga cache tetap **hangat** selama jeda tidak aktif. Jika TTL cache model Anda adalah `1h`, mengatur interval heartbeat sedikit di bawahnya (misalnya, `55m`) dapat menghindari cache ulang seluruh prompt, sehingga mengurangi biaya penulisan cache. Dalam penyiapan multiagen, Anda dapat mempertahankan satu konfigurasi model bersama dan menyesuaikan perilaku cache per agen dengan `agents.list[].params.cacheRetention`. Untuk panduan lengkap setiap pengaturan, lihat [Cache Prompt](/id/reference/prompt-caching). Untuk harga API Anthropic, pembacaan cache jauh lebih murah daripada token masukan, sedangkan penulisan cache ditagih dengan pengali yang lebih tinggi. Lihat harga cache prompt Anthropic untuk tarif dan pengali TTL terbaru: [https://docs.anthropic.com/docs/build-with-claude/prompt-caching](https://docs.anthropic.com/docs/build-with-claude/prompt-caching) ### Contoh: menjaga cache 1 jam tetap hangat dengan heartbeat ```yaml agents: defaults: model: primary: "anthropic/claude-opus-4-6" models: "anthropic/claude-opus-4-6": params: cacheRetention: "long" heartbeat: every: "55m" ``` ### Contoh: lalu lintas campuran dengan strategi cache per agen ```yaml agents: defaults: model: primary: "anthropic/claude-opus-4-6" models: "anthropic/claude-opus-4-6": params: cacheRetention: "long" # dasar bawaan untuk sebagian besar agen list: - id: "research" default: true heartbeat: every: "55m" # menjaga cache panjang tetap hangat untuk sesi mendalam - id: "alerts" params: cacheRetention: "none" # menghindari penulisan cache untuk notifikasi beruntun ``` `agents.list[].params` digabungkan di atas `params` model yang dipilih, sehingga Anda dapat mengganti hanya `cacheRetention` dan mewarisi nilai bawaan model lainnya tanpa perubahan. ### Konteks 1 juta Anthropic OpenClaw menetapkan ukuran model Claude 4.x berkemampuan GA seperti Opus 4.8, Opus 4.7, Opus 4.6, dan Sonnet 4.6 dengan jendela konteks 1 juta milik Anthropic. Anda tidak memerlukan `params.context1m: true` untuk model-model tersebut. ```yaml agents: defaults: models: "anthropic/claude-opus-4-6": alias: opus ``` Konfigurasi lama dapat mempertahankan `context1m: true`, tetapi OpenClaw tidak lagi mengirim header beta `context-1m-2025-08-07` milik Anthropic yang telah dihentikan untuk pengaturan ini dan tidak memperluas model Claude lama yang tidak didukung hingga 1 juta. Persyaratan: kredensial harus memenuhi syarat untuk penggunaan konteks panjang. Jika tidak, Anthropic merespons dengan galat batas laju di sisi penyedia untuk permintaan tersebut. Jika Anda mengautentikasi Anthropic dengan token OAuth/langganan (`sk-ant-oat-*`), OpenClaw mempertahankan header beta Anthropic yang diwajibkan OAuth sembari menghapus beta `context-1m-*` yang telah dihentikan jika masih ada dalam konfigurasi lama. ## Kiat untuk mengurangi tekanan token - Gunakan `/compact` untuk meringkas sesi panjang. - Pangkas keluaran alat yang besar dalam alur kerja Anda. - Turunkan `agents.defaults.imageMaxDimensionPx` untuk sesi yang banyak menggunakan tangkapan layar. - Buat deskripsi Skills tetap singkat (daftar Skills disisipkan ke dalam prompt). - Utamakan model yang lebih kecil untuk pekerjaan eksploratif yang menghasilkan keluaran panjang. Lihat [Skills](/id/tools/skills) untuk rumus pasti overhead daftar Skills. ## Terkait - [Penggunaan dan biaya API](/id/reference/api-usage-costs) - [Penyimpanan cache prompt](/id/reference/prompt-caching) - [Pelacakan penggunaan](/id/concepts/usage-tracking)