Token အသုံးပြုမှုနှင့် ကုန်ကျစရိတ်များ¶

39. OpenClaw က characters မဟုတ်ဘဲ tokens ကို ခြေရာခံပါတယ်။ 40. Tokens တွေက model အလိုက် ကွဲပြားပေမဲ့၊ များသောအားဖြင့် OpenAI-style models တွေအတွက် အင်္ဂလိပ်စာသားမှာ token တစ်ခုလျှင် အက္ခရာ ~4 လောက် ပျမ်းမျှ ရှိပါတယ်။

System prompt ကို မည်သို့ တည်ဆောက်သနည်း¶

41. OpenClaw က chạy လုပ်တိုင်း system prompt ကို ကိုယ်တိုင် စုစည်းပါတယ်။ 42. အဲဒါမှာ ပါဝင်တာတွေက:

• Tool စာရင်းနှင့် အတိုချုံးဖော်ပြချက်များ
• Skills စာရင်း (metadata သာ ပါဝင်ပြီး ညွှန်ကြားချက်များကို read ဖြင့် လိုအပ်သည့်အချိန်မှသာ load လုပ်သည်)
• Self-update ညွှန်ကြားချက်များ
• 43. Workspace + bootstrap files (AGENTS.md, SOUL.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, အသစ်ဖြစ်ရင် BOOTSTRAP.md)။ 44. ဖိုင်ကြီးတွေကို agents.defaults.bootstrapMaxChars (default: 20000) နဲ့ ဖြတ်တောက်ပါတယ်။
• အချိန် (UTC + အသုံးပြုသူ၏ timezone)
• Reply tag များနှင့် heartbeat အပြုအမူ
• Runtime metadata (ဟို့စ်/OS/မော်ဒယ်/စဉ်းစားမှု)

အသေးစိတ် ခွဲခြမ်းချက်အပြည့်အစုံကို System Prompt တွင် ကြည့်ပါ။

Context window အတွင်း တွက်ချက်ပါဝင်သည့် အရာများ¶

မော်ဒယ်ထံ ပို့သည့် အရာအားလုံးသည် context limit ထဲသို့ တွက်ချက်ဝင်ရောက်သည်—

• System prompt (အထက်တွင် ဖော်ပြထားသည့် အပိုင်းများအားလုံး)
• စကားပြော မှတ်တမ်း (user + assistant မက်ဆေ့ချ်များ)
• Tool call များနှင့် tool ရလဒ်များ
• Attachment/Transcript များ (ပုံများ၊ အသံ၊ ဖိုင်များ)
• Compaction summary များနှင့် pruning artifact များ
• Provider wrapper များ သို့မဟုတ် safety header များ (မြင်မရသော်လည်း တွက်ချက်ပါဝင်သည်)

45. လက်တွေ့ကျတဲ့ ခွဲခြမ်းစိတ်ဖြာမှုအတွက် (ထည့်သွင်းထားတဲ့ ဖိုင်တစ်ခုချင်းစီ၊ tools, skills နဲ့ system prompt size အလိုက်) /context list သို့မဟုတ် /context detail ကို သုံးပါ။ 46. Context ကို ကြည့်ပါ။

လက်ရှိ token အသုံးပြုမှုကို မည်သို့ ကြည့်ရှုရမည်နည်း¶

Chat အတွင်းတွင် အောက်ပါအရာများကို အသုံးပြုနိုင်သည်—

• /status → ဆက်ရှင် မော်ဒယ်၊ context အသုံးပြုမှု၊ နောက်ဆုံး response ၏ input/output token များနှင့် ခန့်မှန်း ကုန်ကျစရိတ် (API key အသုံးပြုသည့်အခါသာ) ကို ပြသသော emoji ပါသော status card
• /usage off|tokens|full → reply တစ်ခုချင်းစီ၏ အောက်ခြေတွင် per-response usage footer ကို ထည့်ပေးသည်။
• ဆက်ရှင်တစ်ခုလုံးအတွက် ဆက်လက်တည်ရှိသည် (responseUsage အဖြစ် သိမ်းဆည်းထားသည်)။
• OAuth auth အသုံးပြုသည့်အခါ ကုန်ကျစရိတ်ကို ဖုံးကွယ်ထားသည် (token များသာ ပြသသည်)။
• /usage cost → OpenClaw session log များမှ local ကုန်ကျစရိတ် အကျဉ်းချုပ်ကို ပြသည်။

အခြား မျက်နှာပြင်များ—

• TUI/Web TUI: /status နှင့် /usage ကို ပံ့ပိုးထားသည်။
• CLI: openclaw status --usage နှင့် openclaw channels list သည် provider quota window များကို ပြသသည် (per-response ကုန်ကျစရိတ် မဟုတ်ပါ)။

ကုန်ကျစရိတ် ခန့်မှန်းချက် (ပြသသည့်အခါ)¶

ကုန်ကျစရိတ်များကို သင့်မော်ဒယ် pricing config အပေါ် အခြေခံ၍ ခန့်မှန်းထားသည်—

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

47. ဒီစျေးနှုန်းတွေက input, output, cacheRead, နဲ့ cacheWrite အတွက် token 1M လျှင် USD ဖြစ်ပါတယ်။ 48. စျေးနှုန်း မရှိရင် OpenClaw က tokens ပမာဏပဲ ပြပါတယ်။ 49. OAuth tokens တွေမှာ ဒေါ်လာကုန်ကျစရိတ်ကို မပြပါဘူး။

Cache TTL နှင့် pruning သက်ရောက်မှု¶

50. Provider prompt caching က cache TTL အချိန်အတွင်းမှာသာ အသုံးချနိုင်ပါတယ်။ OpenClaw can optionally run cache-ttl pruning: it prunes the session once the cache TTL has expired, then resets the cache window so subsequent requests can re-use the freshly cached context instead of re-caching the full history. This keeps cache write costs lower when a session goes idle past the TTL.

Gateway configuration တွင် ပြင်ဆင်နိုင်ပြီး၊ အပြုအမူ အသေးစိတ်ကို Session pruning တွင် ကြည့်ရှုပါ။

Heartbeat can keep the cache warm across idle gaps. If your model cache TTL is 1h, setting the heartbeat interval just under that (e.g., 55m) can avoid re-caching the full prompt, reducing cache write costs.

For Anthropic API pricing, cache reads are significantly cheaper than input tokens, while cache writes are billed at a higher multiplier. See Anthropic’s prompt caching pricing for the latest rates and TTL multipliers: https://docs.anthropic.com/docs/build-with-claude/prompt-caching

ဥပမာ: heartbeat ဖြင့် 1h cache ကို နွေးထွေးစွာ ထိန်းထားခြင်း¶

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

Token ဖိအားကို လျော့ချရန် အကြံပြုချက်များ¶

• Session ရှည်လျားလာသောအခါ /compact ကို အသုံးပြုပြီး အကျဉ်းချုပ် ပြုလုပ်ပါ။
• Workflow များတွင် tool output ကြီးများကို ဖြတ်တောက်ပါ။
• Skill ဖော်ပြချက်များကို တိုတောင်းအောင် ထားပါ (skill စာရင်းကို prompt ထဲသို့ inject လုပ်ထားသည်)။
• စကားပြောများပြီး စူးစမ်းလေ့လာမှုအတွက် မော်ဒယ်အသေးများကို ဦးစားပေး အသုံးပြုပါ။

Skill စာရင်း overhead ကို မည်သို့တွက်ချက်ကြောင်း အတိအကျ သိရန် Skills ကို ကြည့်ပါ။