用了 30 天 OpenClaw，烧掉 19 亿 token 后，我终于搞明白了它卡顿的真正原因。
很多同学都遇到过这种情况：给 OpenClaw 发了个任务，它半天没反应。你盯着屏幕，心里犯嘀咕——这是卡死了？还是在偷偷干活？
今天分享三个关键设置，解决 OpenClaw 卡顿问题，让你的 AI Agent 跑得又快又稳。
为什么 OpenClaw 会卡顿？
在讲解决方案之前，先搞清楚问题根源。OpenClaw 卡顿通常有以下几个原因：
1. 思考过程黑箱
默认情况下，OpenClaw 的思考过程对用户是不可见的。你不知道它在做什么，自然会觉得”卡住了”。
2. 非流式输出
很多人不知道，OpenClaw 默认不是流式输出。它会等到全部内容生成完毕后，一次性返回给你。如果任务复杂，等待时间就会很长。
3. 上下文膨胀
随着对话进行，上下文（context）会越来越长。当上下文超过一定阈值，处理速度会明显下降，token 消耗也会飙升。
解决 OpenClaw 卡顿的三个设置
第一步：打开思考过程可视化
在 OpenClaw 中执行这两个命令：
/reasoning on
/verbose on开启后，OpenClaw 会把思考过程和工具调用的过程全部打印出来。
这时候你只要看到屏幕还在刷内容，就说明它还在干活，没有卡死。这个设置不仅能缓解焦虑，还能帮你理解 OpenClaw 的决策逻辑，对调试任务特别有用。
第二步：开启流式输出
OpenClaw 默认会等全部内容生成完再返回，这对于长内容来说体验很差。开启流式输出后，回答会一边生成一边显示。
开启方法：
/stream on开启之后，你能实时看到 OpenClaw 回答到哪一步了，不用再对着空白屏幕干等。
第三步：监控并压缩上下文
这是最核心的一步。如果你发现 OpenClaw 越来越慢，先执行这个命令：
/status重点看 context 这个指标。如果上下文占比超过了 60%，那不用犹豫，直接执行：
/compact压缩上下文后，不仅更省 token，速度也会明显变快。这个功能会把对话历史进行智能压缩，保留关键信息的同时减少冗余内容。
OpenClaw 性能优化进阶技巧
除了上述三个基础设置，还有一些进阶技巧可以进一步提升 OpenClaw 的响应速度：
定期清理会话
如果某个会话已经进行了很长时间的对话，建议开新会话重新开始。全新会话没有历史包袱，响应最快。
合理拆分任务
复杂任务不要一股脑扔给 OpenClaw。用 Sub-Agent 拆解复杂任务，让每个子代理专注于特定子任务，效率更高。
选择合适的模型
不是所有任务都需要最强的模型。简单任务可以用轻量级模型，复杂推理才上顶级模型，这样能在速度和质量之间取得平衡。
总结
解决 OpenClaw 卡顿问题，记住这三个关键点：
- 可视化：打开 reasoning 和 verbose，看清它在做什么
- 流式输出：开启 stream，边生成边看
- 上下文管理：超过 60% 就 compact，保持轻量
30 天 19 亿 token 的教训告诉我：OpenClaw 不是慢，是用法不对。调整好这些设置，你的 AI Agent 体验会提升一个档次。
你还遇到过哪些 OpenClaw 使用上的问题？欢迎在评论区交流。