夜雨聆风
大家好，我是寂寞的熊猫。
之前写过一篇Claude Code 源码泄露：从 51 万行代码里学到了什么，里面有一个隐藏模块——autoDream，一个在用户空闲时偷偷启动的后台记忆重组机制。
如果 AI 的记忆管理能像人类睡眠一样，有浅睡、深睡和 REM 周期，Agent 的长期记忆质量会不会有质的飞跃？
OpenClaw 现在的最新版本 v2026.4.5，里面最核心的新功能就是一个叫 Dreaming 的记忆系统——把 Claude Code 藏在闭源代码里的 autoDream 实现了，而且是透明的、可审计的、用户完全可控的。
这只是这次更新的一部分。完整的 changelog 包含了约 40 项重大新特性和数百项底层优化。
省流版
- Dreaming 记忆系统——三阶段记忆消化（Light/Deep/REM），开源实现了 Claude Code 泄露代码中 autoDream 的核心理念，但完全透明、可观测、用户可控
- video_generate 和 music_generate 变成内置工具——不再是插件，Agent 可以直接调用 xAI、阿里万相、Runway、Google Lyria 等多家服务生成视频和音乐
- ComfyUI 深度绑定——不只是调 API，而是能直接操控本地的 ComfyUI 工作流节点图，配合本地 GPU 跑出完整的媒体生产流水线
- Prompt Cache 大幅优化——6 个 PR 同一天密集合并，缓存前缀稳定性做到字节级，长期运行 Agent 的 token 成本可能降低 30-50%
- 新增 Qwen、Fireworks、StepFun 等提供商——模型解耦继续加速，绑死一家提供商已经不是 OpenClaw 的风格了
Dreaming 是什么功能
在 Claude Code 源码中，我们发现了一个被 Feature Flag 锁死的后台进程 autoDream。它的设计思路是：用户空闲时，系统在后台偷偷扫描、合并、提炼记忆。但这个功能是封闭的、不可观测的。
之前 OpenClaw 的记忆管理是"被动"的——你问了它才记，不问就忘。上下文塞满了就压缩，压缩完继续塞。这种方式有个致命问题：短期记忆膨胀，长期记忆缺失。Dreaming 系统改变了这个逻辑。它模拟了人类睡眠的三个阶段：
第一阶段：Light Sleep（浅睡眠） Agent 空闲时自动扫描近期的 JSONL 会话日志。不做什么复杂分析，就是先把垃圾过滤掉——重复指令、格式错误的操作痕迹、毫无价值的临时数据，统统丢掉。只保留可能有长期价值的偏好变化和重要决策信号。说白了就是"睡前先整理桌面"。
第二阶段：Deep Sleep（深睡眠） 系统把相对时间标记（比如"昨天""上周"）转化为绝对时间戳，消除不同时期产生的指令矛盾，然后把新发现的事实安全合并到现有记忆结构里。
一个关键设计是"重放安全"（Replay-safe）——即使发生异常中断，重新执行也会智能对账，不会在 MEMORY.md 里产生重复条目。这个细节说明 OpenClaw 团队在工程上想得很清楚。
第三阶段：REM（快速眼动期） 最有想象力的一步。REM 阶段不只是存储事实，而是试图发现跨度极大的信息之间的隐藏关联，提取"持久性真理"（Lasting Truths）。所有发散性思考被隔离写入独立的 dreams.md 文件，日常默认不召回，但用户可以主动查阅。
和 Claude Code 的 autoDream 对比一下很有意思：
| 维度 | Claude Code autoDream | OpenClaw Dreaming（开源） |
|---|---|---|
| 可见性 | 仅内部员工分析看板 | /dreaming 命令 + Dreams UI，用户随时查看 |
| 记忆存储 | 合并到内部结构 | dreams.md 独立文件，与主记忆隔离 |
| 容错机制 | 未公开 | Replay-safe，中断后重跑智能对账 |
| 配置控制 | Feature Flag 硬编码 | recencyHalfLifeDays、maxAgeDays 可调 |
对长期运行的生产力 Agent 来说，这个变化是根本性的。你的 Agent 不再只是一个"你问它答"的工具——它在你不跟它说话的时候，也在默默消化之前的交互，提取规律，积累经验。
视频和音乐能力集成
v2026.4.5 把 video_generate 和 music_generate 提升为系统级内置工具。
之前做视频和音乐生成靠第三方插件，不稳定、配置复杂、容易断。现在变成了原生能力，系统自动路由到合适的提供商：
- 视频：xAI 的 grok-imagine-video、阿里巴巴 Model Studio 的万相（Wan）、Runway——三个提供商覆盖了不同风格和需求
- 音乐：Google Lyria、MiniMax，加上 Comfy 工作流支持——从纯音乐到带参考曲风都能搞
- 容错设计：部分平台不支持某些参数（比如
durationSeconds），系统不再硬崩溃，而是发出警告继续执行
这不是"加了个视频按钮"那么简单。这是 Agent 从文本交互工具向全栈内容生产平台的定位转变。
ComfyUI 深度集成
这个功能对有本地算力的用户来说是大利好。OpenClaw 引入了针对本地 ComfyUI 的深度媒体插件绑定。不是简单调个 API，而是能直接读取、理解、注入提示词，操控本地的 ComfyUI 节点工作流图。
- 支持 prompt 注入到工作流节点
- 支持参考图像自动上传
- 支持实时测试和进度查看
- 支持结果文件自动下载整理
你可以把它理解成：OpenClaw 变成了一个能自主操控 ComfyUI 的"美术总监"。 如果你有本地算力资源，OpenClaw 可以用本地算力完成从图片到视频的完整生产链。
Prompt Cache 优化
这次更新有一组不太起眼但极其重要的改动——6 个 prompt cache 相关的 PR 在同一天（4 月 4 日）密集合并。核心问题是：Agent 每次调用模型时，都要把系统提示词、工具定义、历史会话全量发给模型。如果这些"前缀"每轮都在变，缓存就全废了，每次都要重新算。
OpenClaw 做了几个关键修复：
- 压缩方向从"从前往后"改为"从后往前"——改写最早的消息而不是最新的，保持前缀不变
- 工具列表按名称排序——MCP listTools() 返回顺序不稳定，排序后工具定义变成确定性序列
- 历史图片保留窗口扩大——不再每轮都裁剪历史图片，减少对已发送内容的改写
- 系统提示词拆分静态/动态块——以 transport 为边界，让可缓存部分尽量稳定
这些改动不是什么黑科技，但都是"把正确的事做对"。 对长期运行的 Agent 来说，cache 命中率每提高 10%，token 成本就降一截。如果你的 Agent 是 7x24 小时跑的，这个优化实际省下的钱可能比你想象的要多得多。
新增多个模型适配
v2026.4.5 新增了多个提供商的原生支持：
- Qwen（通义千问）：直接用，不用手动配置 OpenAI 兼容接口
- Fireworks AI：高性能推理云，适合需要低延迟的场景
- StepFun（阶跃星辰）：国内另一个选择
- Amazon Bedrock Mantle：自动发现推理配置文件 + IAM 认证，AWS 用户的福音
- MiniMax TTS 和 Search：语音合成和搜索也加进来了
同时，配置别名做了一次大清理。旧版的 talk.voiceId、talk.apiKey 等遗留别名被移除，统一的 openclaw doctor --fix 可以自动修复。升级的时候跑一下这个命令，基本不会翻车。
多语言 Control UI
Control UI 新增了简体中文、繁体中文在内的 13 种语言支持。之前全是英文的操作面板，现在对国内用户友好多了。Skills 面板也加了 ClawHub 搜索、详情和安装功能，不用离开 UI 就能发现和装新 Skill。
写在最后
Claude Code 源码中 autoDream 的设计思路，现在 OpenClaw 把这个功能开源实现了。
- 用户可以理解系统在做什么、为什么这么做，而不是盲猜。
- 用户可以调节
recencyHalfLifeDays和maxAgeDays控制记忆衰减速度，而不是被硬塞一个无法调节的默认值。 - 用户可以看到 Agent 记忆如何随时间积累经验。
如果对AI个人提效，以及副业感兴趣，而不只是围观，也推荐加入 IDO 老徐 的知识星球：AI 落地实战 · DeepSeek · OpenClaw。
里面会持续分享 OpenClaw 相关内容、AI 工作流搭建、商业化落地和各种实战避坑经验。
