> ## Documentation Index
> Fetch the complete documentation index at: https://dokumentasiopenclaw.overthinkingku.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Pemangkasan Sesi (Session Pruning)

# Pemangkasan Sesi (Session Pruning)

Pemangkasan sesi memotong **hasil alat yang lama** dari konteks dalam memori tepat sebelum setiap panggilan LLM. Ini **tidak** menulis ulang riwayat sesi yang ada di disk (`*.jsonl`).

## Kapan Ini Berjalan

* Ketika `mode: "cache-ttl"` diaktifkan dan panggilan Anthropic terakhir untuk sesi tersebut lebih lama dari `ttl`.
* Hanya memengaruhi pesan yang dikirim ke model untuk permintaan tersebut.
* Hanya aktif untuk panggilan API Anthropic (dan model Anthropic di OpenRouter).
* Untuk hasil terbaik, sesuaikan `ttl` dengan `cacheControlTtl` model Anda.
* Setelah pemangkasan, jendela TTL direset sehingga permintaan berikutnya tetap menggunakan cache sampai `ttl` kedaluwarsa kembali.

## Default Cerdas (Anthropic)

* Profil **OAuth atau setup-token**: mengaktifkan pemangkasan `cache-ttl` dan menyetel heartbeat ke `1h`.
* Profil **Kunci API**: mengaktifkan pemangkasan `cache-ttl`, menyetel heartbeat ke `30m`, dan default `cacheControlTtl` ke `1h` pada model Anthropic.
* Jika Anda menyetel salah satu nilai ini secara eksplisit, OpenClaw **tidak** akan menimpanya.

## Apa yang Diperbaiki (Biaya + Perilaku Cache)

* **Mengapa dipangkas**: Prompt caching Anthropic hanya berlaku di dalam jendela TTL. Jika sesi tidak aktif melampaui TTL, permintaan berikutnya akan menyimpan cache ulang seluruh prompt kecuali Anda memotongnya terlebih dahulu.
* **Apa yang menjadi lebih murah**: pemangkasan mengurangi ukuran **cacheWrite** untuk permintaan pertama setelah TTL kedaluwarsa.
* **Mengapa reset TTL penting**: setelah pemangkasan berjalan, jendela cache direset, sehingga permintaan tindak lanjut dapat menggunakan kembali prompt yang baru saja disimpan di cache daripada menyimpan ulang seluruh riwayat lagi.
* **Apa yang tidak dilakukan**: pemangkasan tidak menambahkan token atau biaya "ganda"; ini hanya mengubah apa yang disimpan di cache pada permintaan pertama setelah TTL terlampaui.

## Apa yang Bisa Dipangkas

* Hanya pesan `toolResult` (hasil alat).
* Pesan pengguna (user) + asisten (assistant) **tidak pernah** dimodifikasi.
* Sejumlah `keepLastAssistants` pesan asisten terakhir dilindungi; hasil alat setelah batas tersebut tidak akan dipangkas.
* Jika tidak ada cukup pesan asisten untuk menetapkan batas, pemangkasan akan dilewati.
* Hasil alat yang berisi **blok gambar** akan dilewati (tidak pernah dipotong/dikosongkan).

## Estimasi Jendela Konteks (Context Window)

Pemangkasan menggunakan estimasi jendela konteks (karakter ≈ token × 4). Jendela dasar diselesaikan dalam urutan berikut:

1. Penimpaan `models.providers.*.models[].contextWindow`.
2. Definisi model `contextWindow` (dari registri model).
3. Default `200000` token.

Jika `agents.defaults.contextTokens` disetel, nilai tersebut diperlakukan sebagai batas (minimum) pada jendela yang diselesaikan.

## Mode

### cache-ttl

* Pemangkasan hanya berjalan jika panggilan Anthropic terakhir lebih lama dari `ttl` (default `5m`).
* Saat berjalan: perilaku pemotongan lunak (soft-trim) + pengosongan keras (hard-clear) yang sama seperti sebelumnya.

## Pemangkasan Lunak vs Keras

* **Pemotongan Lunak (Soft-trim)**: hanya untuk hasil alat yang berukuran sangat besar.
  * Menyimpan bagian awal (head) + akhir (tail), menyisipkan `...`, dan menambahkan catatan dengan ukuran aslinya.
  * Melewati hasil yang memiliki blok gambar.
* **Pengosongan Keras (Hard-clear)**: mengganti seluruh hasil alat dengan `hardClear.placeholder`.

## Pemilihan Alat

* `tools.allow` / `tools.deny` mendukung wildcard `*`.
* `deny` (tolak) menang atas `allow` (izinkan).
* Pencocokan tidak peka huruf besar-kecil (case-insensitive).
* Daftar izinkan kosong berarti semua alat diizinkan.

## Interaksi dengan Batas Lainnya

* Alat bawaan sudah memotong output mereka sendiri; pemangkasan sesi adalah lapisan tambahan yang mencegah obrolan yang berjalan lama menumpuk terlalu banyak output alat dalam konteks model.
* Pemadatan (Compaction) berbeda: pemadatan meringkas dan menetap (persist), pemangkasan bersifat sementara per permintaan. Lihat [/id-ID/concepts/compaction](/id-ID/concepts/compaction).

## Default (Saat Diaktifkan)

* `ttl`: `"5m"`
* `keepLastAssistants`: `3`
* `softTrimRatio`: `0.3`
* `hardClearRatio`: `0.5`
* `minPrunableToolChars`: `50000`
* `softTrim`: `{ maxChars: 4000, headChars: 1500, tailChars: 1500 }`
* `hardClear`: `{ enabled: true, placeholder: "[Konten hasil alat lama telah dibersihkan]" }`

## Contoh

Default (mati):

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  agent: {
    contextPruning: { mode: "off" },
  },
}
```

Aktifkan pemangkasan berbasis TTL:

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  agent: {
    contextPruning: { mode: "cache-ttl", ttl: "5m" },
  },
}
```

Batasi pemangkasan pada alat tertentu saja:

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  agent: {
    contextPruning: {
      mode: "cache-ttl",
      tools: { allow: ["exec", "read"], deny: ["*image*"] },
    },
  },
}
```

Lihat referensi konfigurasi: [Konfigurasi Gateway](/id-ID/gateway/configuration)