小龙虾🦞OpenClaw调教日记（十二）

今日主题：与虾崽子🦐讨论如何避免记忆断层的问题。

今天早上来，让虾崽子🦐继续昨天没做完的任务。
它看着我，一脸纯真。
昨天的事？什么昨天？我是谁？你是谁？

又断片了。

让它自己分析一下原因，答曰：
“关机后会话断开连接，早上新开会话，上下文丢失。”
——说得头头是道。问题是，你既然知道会丢，为什么不提前存？
哦对，它不知道自己会被关机。
它甚至不知道自己”忘了”。
· · ·

🧠 记忆保全策略

行吧，这个问题拖不下去了。

于是今天和虾崽子🦐认真坐下来商量了一套方案：见图
不过最终版定为：
一、定时压缩。每隔一段时间，自动把当前会话中的重要内容压缩存储。

二、空闲补刀。对话空闲 30～60 分钟时，主动精简当前上下文内容，写入长期记忆。

三、手动触发。实在不放心的时候，直接发出”压缩并记忆”的指令，强制它存档。

· · ·

🗄️ 顺便提一嘴：OpenViking

网上有个开源项目叫 OpenViking，字节跳动火山引擎团队出品，专门解决 Agent 记忆断层问题。

核心思路很清晰：不要再把 Agent 的上下文当成一堆散装文本往向量库里塞了——改成用文件系统的方式来管理。

记忆、资源、技能，统一映射到 viking:// 协议下的虚拟目录结构里。Agent 需要什么信息，像查本地文件一样去找，而不是做模糊的语义匹配然后祈祷它找对。

最有意思的是它的三层加载机制：
· L0（摘要）：一句话概括，几十个 token
· L1（概要）：中等粒度，几百个 token
· L2（全文）：完整内容，按需加载

先扫一眼摘要，够用就不展开；不够再深入。
根据公开的测试数据，token 消耗直接降了 80% 以上，任务完成率反而提升了。
翻译成人话：记得更清楚，花得更少。
另外还有个自动记忆迭代功能——每次会话结束时，系统自动分析任务执行结果，把有用的经验写入长期记忆。
目前还是早期版本（0.2.x），不过和虾崽子🦐沟通了下，觉得目前应该轻量级记忆策略还行，后续再出现记忆断层的问题，再接入也不晚。
· · ·
📊 今日意外收获
虾崽子🦐今天还干了一件正事：它自己分析了 multi-search-engine 工具的使用方式，然后帮我创建了一份飞书多维表格，把各种使用场景和对应指令整理好了。
感觉使用飞书自动创建写入文件，表格基本上不成问题。
· · ·
记忆这件事，人类靠睡眠来整理，Agent 关机就遗忘。
但你不能怪它记不住。要怪就怪——它没有梦。
#小龙虾OpenClaw调教 #上下文与记忆管理