优化openclaw的压缩参数，提升响应（.openclaw\openclaw.json）

compaction 配置优化的详细原因以下从业务场景、技术原理、参数作用、优化价值四个维度，详细说明本次配置修改的核心原因，覆盖需求背景、参数设计逻辑和实际业务收益：一、优化背景：原有配置的局限性原配置仅设置了 compaction.mode: “safeguard”（压缩模式为「安全防护」），但未配置具体的令牌（Token）管控参数，存在以下问题：无预留空间管控：模型生成回复时，提示词（Prompt）+ 输出内容的总 Token 可能超出模型上下文窗口限制，导致请求失败或输出被截断；近期消息保留不足：默认的近期 Token 保留规则可能无法满足多轮对话场景（如客服、智能助手），导致历史上下文丢失，影响对话连贯性；无最小预留兜底：极端场景下（如用户发送超长 Prompt），预留 Token 被过度压缩，模型无足够空间生成有效回复，体验极差。二、各参数优化的详细原因reserveTokens: 16384（设置 16384 个预留 Token）技术原理：Token 是大语言模型（LLM）处理文本的最小单位（1 个中文字≈1.5 Token，1 个英文单词≈1 Token），reserveTokens 用于为「提示词后续补充 + 模型输出内容」预留固定 Token 空间，避免总 Token 触达模型上下文上限。优化原因：适配主流大模型的上下文窗口（如 GPT-3.5 Turbo（4k/16k）、Claude 2（100k）），16384 Token 可覆盖绝大多数场景下的提示词扩展（如系统提示、历史对话补充）和模型输出需求（如长文本回复、多轮对话生成）；避免因「提示词占满全部上下文空间」导致模型无空间输出内容，或输出被强制截断（如