夜雨聆风
OpenClaw记忆优化方案
在 X 社区看到一个高频问题：
“用 OpenClaw 聊了三天，昨天刚配好的 API 权限，今天它就忘得一干二净，又问了我一遍。”
底下一堆人附和：
“我也是！上周搭的系统，这周它就不记得了。”
“每次都要重新提醒，太烦了。”
[问题/场景拆解]
先搞清楚：
OpenClaw 自带一套完整的记忆系统，不是“没记忆”。
OpenClaw 官方记忆现在已经默认支持向量搜索了！首先要升级到3.12及以上版本。
• 文件为事实标准：记忆就是工作区里的纯 Markdown 文件
• memory/YYYY-MM-DD.md：每日日志（追加），会话启动时读今天+昨天
• MEMORY.md（可选）：精选长期记忆，仅在主会话/私密会话加载，绝不用于群组
• 自带工具：memory_search（语义搜索）+ memory_get（目标读取）
• 向量搜索默认开启：对 MEMORY.md + memory/*.md 建向量索引，支持混合搜索（BM25+向量）、MMR 多样性重排、时间衰减
• 使用 sqlite-vec（当可用时）：在 SQLite 内部加速向量搜索
• 需要配置 embedding provider：OpenAI/Gemini/Voyage/Mistral/Ollama 等，否则会禁用
• 自动记忆刷入：会话接近压缩时，会静默提醒模型先写持久记忆
配合lossless-claw这个插件共同解决了大多数智能体面临的两大核心问题：
• 会话内失忆：在一次长对话中，由于滑动窗口机制而遗忘早期消息 -> lossless-claw 解决
• 会话间失忆：不同聊天或不同日期之间毫无记忆延续 -> 官方记忆（配置好 embedding 后）即可解决。
那为什么还会“忘”？
因为：
1. 如果没配置 embedding provider，官方记忆的向量搜索会禁用
2. 单会话上下文太长被裁剪后，中间的对话细节就没了
3. 重启会话后，默认只加载今天+昨天的日志，更早的细节需要 memory_search 才能捞到
还有人错误的尝试是：
• 把所有信息都塞到 SOUL.md 里，导致文件越来越臃肿，每次启动都烧一堆 Token
• 每次对话开头都重复一遍“你还记得吗？上周我们…”
• 干脆放弃，每次用都重新配置一遍
正确的思路是：
三层记忆配合：
• 热缓存（SOUL.md/HEARTBEAT.md）：只放每次启动必须知道的核心信息
• 自带记忆（MEMORY.md + memory/.md + memory_search，配置好 embedding 后支持向量搜索*）：持久事实和日常日志
• 插件增强（lossless-claw）：会话内失忆解决
记忆不是记住所有东西，而是三层配合，在需要的时候能快速找到。 💬
[OpenClaw实战演示]
我先理清楚三层怎么配合，然后装作者推荐的 lossless-claw：
我：先跟我确认一下 OpenClaw 官方记忆的用法，然后帮我装 lossless-claw 插件，GitHub 链接是 https://github.com/martian-engineering/lossless-claw
OpenClaw：好的，先快速过官方记忆：
1. 决策/偏好/持久事实 -> 写 MEMORY.md
2. 日常笔记 -> 写 memory/YYYY-MM-DD.md
3. 想找之前的内容 -> 用 memory_search（**配置好 embedding 后支持向量搜索**）
然后看 lossless-claw README：
它用基于 DAG 的摘要系统替换了 OpenClaw 的内置滑动窗口压缩，在保持活动上下文在模型 token 限制内的情况下，保留了每条消息。
安装步骤：
1. 克隆仓库
2. 装依赖
3. 在 OpenClaw 配置里加插件路径和触发规则
要我现在执行吗？
装完之后，我让它生成了一条测试记忆，然后重启 OpenClaw：
我（重启后）：你还记得刚才我们聊了什么吗？分两部分：
1. 官方记忆的用法
2. 装了什么插件
OpenClaw：等一下，我先用 lcm_describe 查一下最近的对话… 哦对：
1. 官方记忆用法：决策/偏好写 MEMORY.md，日常写 memory/YYYY-MM-DD.md，找内容用 memory_search（**配置好 embedding 后支持向量搜索**）
2. 刚装了 lossless-claw，它用基于 DAG 的摘要系统替换了 OpenClaw 的内置滑动窗口压缩，在保持活动上下文在模型 token 限制内的情况下，保留了每条消息
官方记忆（配置好 embedding 后）已经支持向量搜索了，不一定需要 memory-lancedb-pro 这个插件！ 💬
[lossless-claw 参数配置说明]
lossless-claw 的配置示例：
{
"plugins": {
"entries": {
"lossless-claw": {
"enabled": true,
"config": {
"freshTailCount": 32,
"contextThreshold": 0.75,
"incrementalMaxDepth": -1,
"ignoreSessionPatterns": [
"agent:*:cron:**"
],
"summaryProvider": "anthropic",
"summaryModel": "claude-3-5-haiku"
}
}
}
}
}
参数说明：
• freshTailCount: 32
• 作用：保留最近 32 条原始消息不压缩
•说明：这是"新鲜尾部"的数量，确保最近的对话上下文保持完整、未经压缩的原始状态，让模型能获取最准确的近期交互信息
•contextThreshold: 0.75
• 作用：上下文使用率达到 75% 时触发压缩
•说明：当对话占用的 Token 量接近模型上下文窗口的 75% 时，插件开始对更早的消息进行摘要压缩，而不是等到满了再处理，起到"提前预警"效果
•incrementalMaxDepth: -1
• 作用：增量摘要的最大层级深度
•说明：-1 表示无限制，允许对摘要再生成摘要（多层嵌套）；若设为 1，则只允许一级摘要，禁止"摘要的摘要"，可减少信息损失但增加 Token 消耗
•ignoreSessionPatterns: ["agent:*:cron:"]**
• 作用：指定需要忽略压缩的会话模式
• 说明：使用 glob 模式匹配。示例中忽略了所有 agent::cron:* 格式的会话（即定时任务/Cron 类型的 Agent 会话），这些会话通常是短时执行的，无需记忆管理
[进阶配置技巧]
技巧 1：自定义 lossless-claw 的保留策略 + 配合官方记忆刷新
· 适用场景：想控制 Token 消耗，又不想丢太多对话细节，同时让官方记忆也能用到这些内容
· 具体操作：
• 在 lossless-claw 配置里设 freshTailCount: 25（保留最近 25 条不压缩），contextThreshold: 0.75（上下文使用率达到 75% 时触发压缩）
• 每天结束时，让 OpenClaw 扫一下当天的重要对话，自动摘要后写到 memory/YYYY-MM-DD.md 里
· 注意事项：别把 freshTailCount 设太大，否则还是会烧 Token
技巧 2：配置官方记忆的 embedding 支持向量搜索
· 适用场景：想用上官方记忆的向量搜索，解决会话间失忆问题
· 具体操作：
• 在 OpenClaw 配置里配置 agents.defaults.memorySearch.provider（比如 openai/gemini/ollama）
• 配置好对应的 API key（比如 GEMINI_API_KEY/OPENAI_API_KEY/OLLAMA_API_KEY）
• 然后就可以用 memory_search 搜 MEMORY.md + memory/*.md 里的内容了（支持混合搜索、MMR 多样性重排、时间衰减）
· 注意事项：如果没配置 embedding provider，官方记忆的向量搜索会禁用
技巧 3：给关键记忆打标签（支持双端）
· 适用场景：有些信息（比如 API 密钥、重要配置）想让它优先找到，无论是用官方工具还是插件工具
· 具体操作：
• 在对话里提“把这条记成「重要配置」标签”，同时让它写到 MEMORY.md 里并加上 ## 重要配置 标题
• 官方端用 memory_search 搜“重要配置”，能快速定位
· 注意事项：别打太多重要标签，否则上下文窗口占用太多AI会变笨
记忆不是存得越多越好，而是三层配合、有条理、能快速检索。 💬
[结尾]
OpenClaw 的记忆问题，
本质不是“没自带记忆”，
而是“不知道怎么配合官方记忆（配置好 embedding 后支持向量搜索）+ lossless-claw”——
搞清楚分层，配合好工具，它就能从“ chatbot”变成“真的懂你工作的助手”。