OpenClaw用户狂喜:这个插件让Agent终于不会“聊着聊着就失忆”了

项目介绍

lossless-claw 是专门为 OpenClaw打造的上下文管理插件。其核心目标是实现 LCM（Lossless Context Management，无损上下文管理）。它不仅仅是一个存储器，更是一套智能的记忆调度系统，让你的 Agent 既能拥有“无限”的记忆深度，又能保持极高的推理精度。

核心功能

1. 分层递归总结 (Hierarchical Summarization)不同于传统的“滑动窗口”直接丢弃旧信息，lossless-claw 采用了一种基于 DAG（有向无环图） 的总结机制。它会将历史对话切片并生成摘要，摘要之上再生成高级摘要。这种结构确保了模型在处理当前对话时，既能看到最近的细节，也能感知到宏观的历史背景。

2. 动态记忆唤醒 (lcm_expand)这是该项目最硬核的功能。当 Agent 在对话中发现某个摘要节点涉及的关键细节缺失时，它可以主动调用内置工具“展开”该节点，从数据库中提取原始的对话原文。这种“按需加载”的机制，完美平衡了上下文长度与信息完整性。

3. 多模型协作架构为了节省成本，lossless-claw 支持 双模型配置。你可以使用性能最强的 Claude 3.5 Sonnet 或 GPT-4o 作为主推理模型，而将后台繁琐的摘要生成工作交给 GPT-4o-mini 或 Claude Haiku 等廉价模型，极大降低了长程对话的运行开销。

4. 本地持久化与语义检索所有对话数据均通过 SQLite 存储在本地，并支持 lcm_grep 工具。这意味着 Agent 可以像程序员搜代码一样，在数万条历史记录中精准定位某次讨论的结论。

使用方法

由于 lossless-claw 是 OpenClaw 生态的插件，其安装过程非常符合开发者习惯：

1. 安装插件在你的 OpenClaw 环境下执行：

openclaw plugins install @martian-engineering/lossless-claw

2. 配置启用在项目的 openclaw.json 配置文件中，修改上下文引擎设置：

{
"contextEngine": "lossless-claw",
"pluginConfig": {
"lossless-claw": {
"summaryModel": "gpt-4o-mini", 
"maxContextTokens": 4096,
"dbPath": "./memory.sqlite"
    }
  }
}

优势对比

总结

lossless-claw 绝不是一个简单的数据库插件，它是对 “如何让模型高效处理超长文本” 这一命题的工程化最优解。它通过 DAG 总结和动态展开机制，让 Agent 脱离了物理上下文窗口的束缚。

项目地址: https://github.com/Martian-Engineering/lossless-claw