装上这个插件,让你的OpenClaw永远不会忘记你说的话

今天给大家介绍一个挺适合OpenClaw小龙虾的插件，专业解决小龙虾健忘的问题，该插件甚至得到了小龙虾作者彼得的亲自推荐。

它就是lossless-claw，一个开源的项目，开源地址：https://github.com/Martian-Engineering/lossless-claw

lossless-claw是OpenClaw的无损上下文管理插件，基于Voltropy提出的LCM论文进行构建。

大家都知道，传统大模型有上下文窗口（Token数）限制，超出限制时会丢弃最早的对话信息，导致AI Agent忘记之前的重要内容。

而lossless-claw将OpenClaw原有的滑动窗口压缩机制替换为基于有向无环图（DAG）的摘要系统，在保留所有消息的同时，确保活跃上下文不超过模型设定的 token限制。

lossless-claw的核心工作原理如下：

• 无损存储：所有原始对话消息都会被永久存储在SQLite数据库中。

• 智能摘要：系统会自动将历史消息分块，并生成不同层级的摘要（如叶子摘要、中间摘要、根摘要），形成一个可追溯的DAG知识图谱。

• 智能回忆：当AI需要组装上下文时，会从高层级摘要开始，根据当前token余量，智能地选择展开哪些下层摘要节点或原始消息，从而在限制内提供最相关的历史信息，实现零丢失的对话记忆。

lossless-claw的主要功能亮点如下：

• 无损上下文管理：永久存储原始消息，支持全文和语义检索。

• 智能分层摘要DAG：自动构建多层摘要图谱，优化信息密度。

• 丰富工具集：提供一系列CLI命令（如/lcm、/lcm backup）和内置工具（如lcm_grep），供用户或AI自主管理上下文。

• 高度可配置：允许用户自定义摘要触发阈值、指定专用的摘要/展开模型、设置会话白名单等。

总的来说，lossless-claw适用于长期运行的AI助手（如小龙虾这样的）、复杂项目开发（如编程助手）、研究与学习、客户关系管理、会议记录等需要长期记忆的场景。

再者客观来说，lossless-claw的优点是真正无损、智能高效、性能优秀（延迟压缩）、易于集成（OpenClaw插件）、高度可配置、开源免费（MIT协议）。

缺点是目前仅支持OpenClaw框架，随着对话增长会有存储开销。摘要质量依赖所用模型能力，首次压缩可能有短暂延迟。

lossless-claw主要使用TypeScript，数据库为SQLite，配备FTS5全文索引等技术栈。据传未来可能支持向量数据库、跨会话知识共享、Web UI可视化管理等功能。

以上就是关于lossless-claw插件的官方介绍，可能小伙伴们没注意到的一个关键点是，它能永久存储原始消息。

这就意味着你跟小龙虾的所有聊天记录内容，都会被存储下来，而不会只保留在接入的机器人聊天记录中。

更不会像OpenClaw自带的md文件存储那样子，存储的只是摘要和重点。加上支持全文跟语义搜索，可以说记忆就不存在遗失和无法找回的情况。

下面老马将会实际演示该插件的安装，还是老规矩，以部署在Windows 11系统的OpenClaw小龙虾为例。