长期记忆 + 无损压缩，打造你的“过目不忘”智能助手

“我们上次讨论的那个项目配置是什么来着？”

“我记得你说过，但具体参数忘了…”

在与AI助手的日常对话中，你是否也遇到过类似的尴尬？AI助手像金鱼一样只有7秒记忆，每次对话都从零开始。

给大家介绍两个开源项目： QMD 和 LCM ，正是为了解决这一痛点而生。

今天，我们就来深度解析这对黄金搭档，帮大家打造一个真正“过目不忘”的智能工作伙伴。

一、记忆的黄金搭档：QMD 与 LCM

QMD (Query Markup Documents) ： 是长期记忆搜索引擎，负责从你的历史文件中精准检索信息。它像你的“私人图书馆”，能够记住几个月前的项目细节、个人偏好和重要配置。

LCM (Lossless Claw) ： 是无损上下文管理器，专门处理当前对话。当聊天记录过长时，它将旧消息智能压缩成摘要，避免因上下文过长而“失忆”，保证长对话的连贯性。

一句话总结：QMD管“硬盘里的知识”（长期），LCM管“内存里的对话”（短期），两者完美兼容，毫无冲突。

二、三步部署，告别“金鱼脑”

第一步：安装

# 安装 QMDnpm install -g @tobilu/qmd# 安装 LCMopenclaw plugins install @martian-engineering/lossless-claw

第二步：配置

编辑 openclaw.json 文件：

{"memory": {"backend": "qmd",  // 启用QMD长期记忆"qmd": {"scope": { "default": "allow" },"limits": {"timeoutMs": 50000,"maxResults": 5      }    }  },// 启用LCM"plugins": {  "slots": { "contextEngine": "lossless-claw"// 让这个插件管记忆    },    "entries": {  "lossless-claw": {  "enabled": true,  "config": {  "freshTailCount": 32,    // 永远记住最近32句聊天 "contextThreshold": 0.75,// 用到75%容量就整理笔记 "incrementalMaxDepth": -1, // 笔记想整理多深就多深"dbPath": "~/.openclaw/lcmdata/lcm.db"        }        }      }    },  "session": { "reset": { // 7天不聊也不忘"mode": "idle", "idleMinutes": 10080    }   }  }

第三步：验证

• QMD：重启 OpenClaw 后，在日志中搜索 qmd，看到 QMD backend initialized 即成功。测试时，问一个很久以前记录在 memory.md 里的细节，看AI能否准确回忆。
• LCM：在长对话中，问“我们最开始讨论的那个问题是什么？”，如果AI能准确回溯，说明配置生效。

三、性能优化：从能用到好用

1、QMD 优化：质量决定一切

QMD 的性能瓶颈在于检索质量。记住：垃圾进，垃圾出。

1. 结构化写入：让AI将关键信息（如“项目部署 IP: 1.1.1.1”）结构化写入 MEMORY.md。流水账式的聊天记录是检索质量的头号杀手。

2. 精准索引：只索引必要的目录，通常为 workspace/memory 和 MEMORY.md。切勿索引 sessions/ 目录，否则会污染知识库。

3. 模型升级：默认的 all-MiniLM-L6-v2 向量模型足够轻量。如果追求极致，可手动替换为 bge-small-en-v1.5，检索精度更高。

2、LCM 优化：速度与记忆的平衡

LCM 的核心是找到“实时性”与“保真度”的最佳平衡点。推荐配置：

# 黄金配置export LCM_FRESH_TAIL_COUNT=32       # 保留32轮“保鲜”对话export LCM_INCREMENTAL_MAX_DEPTH=-1  # 允许无限递归压缩export LCM_CONTEXT_THRESHOLD=0.75    # 上下文占用75%时开始压缩

关键参数解析：

• FRESH_TAIL_COUNT：AI“瞬时记忆”的轮数。设置过大会导致响应变慢，32是经过验证的“甜点值”。
• CONTEXT_THRESHOLD：触发压缩的“警戒线”。0.75意味着为突发对话留足了25%的缓冲空间。

这里的配置是以环境变量为例的。

在 OpenClaw 中，LCM 插件的配置遵循“环境变量优先”的原则。环境变量 和 配置文件 两者在功能上是等价的，但在加载顺序和优先级上存在明确区别。

区别 ：

关联 ：

它们是同一套配置参数的两种不同存储介质。LCM 插件在启动时，会先读取配置文件中的值，但 如果检测到同名的环境变量存在，则会用环境变量的值覆盖配置文件的值。

四、进阶技巧：高手的“心法”

1. QMD 是你的“第二大脑”：将AI工具返回的重要代码、配置、设计思路，主动整理并让AI写入 memory/ 目录下的 Markdown 文件。三个月后，一句“那个项目”，AI就能帮你找回所有细节。

2. LCM 是“对话秘书”：当AI需要回顾长篇文档时，不要依赖LCM的压缩记忆。主动让AI从文档中提取核心结论，存入QMD的知识库，这是保证关键信息永不丢失的秘诀。

3. 性能监控：通过 /status 命令实时查看上下文占用情况。如果响应明显变慢，可能是LCM压缩过于频繁，适当降低 FRESH_TAIL_COUNT 即可改善。

五、常见误区与避坑指南

• 误区一：QMD和LCM会冲突？

• 真相：完全不会。一个是硬盘知识库，一个是内存管理器，可以同时使用。

• 误区二：把所有聊天记录都喂给QMD？

• 避坑：这是大忌！只索引结构化知识，不索引对话记录，否则检索质量会断崖式下降。

• 误区三：LCM压缩会让AI“断片”？

• 避坑：将绝对不能丢失的信息（如核心API密钥片段）手动存入QMD。LCM的压缩摘要足以维持对话逻辑，但不宜存储细节。

六、总结

从“每次对话都像初次见面”的AI，到“记得你三个月前需求”的智能伙伴，QMD 和 LCM 带来的不仅是功能提升，更是协作方式的革命。

技术服务于人，而非束缚人。当你的AI助手记住了你的项目细节、工作习惯，甚至个人偏好，你会发现，人机协作的边界正在被重新定义。

现在，就为你的OpenClaw装上这对“记忆翅膀”，开启真正的智能协作之旅吧。

QMD源码地址：https://github.com/tobi/qmd

LCM源码地址：https://github.com/martian-engineering/lossless-claw