夜雨聆风OpenClaw 2026.4.9更新：模拟REM睡眠，旧记忆也能“回放”成持久知识
REM Backfill：AI Agent的“补梦”机制
OpenClaw在2026.4.9版本中引入了REM Backfill功能，这是其Dreaming记忆系统的重大增强。该功能模拟人类睡眠中的REM（快速眼动）阶段，让AI Agent在离线状态下回放历史数据，提取持久事实，并将其转化为可长期使用的知识。
不同于简单堆积上下文，OpenClaw的Dreaming系统原本已分为Light Sleep（摄取阶段）、REM Sleep（模式提取）和Deep Sleep（知识固化）三个协作阶段。新版REM Backfill增加了“grounded backfill lane”，允许开发者通过命令如openclaw memory rem-backfill --path ./memory将旧的daily笔记（memory/YYYY-MM-DD.md）重新送入Dreaming管道，生成结构化总结写入DREAMS.md，同时可选地将候选事实推入短期记忆存储，而不创建额外的记忆栈。
核心变化：历史日记如何无缝融入长期记忆
此前，OpenClaw的Dreaming功能在4.5版本引入时，许多用户发现安装前的历史日记无法自动参与后续的记忆巩固过程，成了“死数据”。49版解决了这一痛点：rem-harness命令可预览grounded输出（不实际写入），rem-backfill则负责实际回填，支持--stage-short-term选项将提取的事实无缝整合到现有短期证据库。
系统还新增日记时间线UI、commit/reset流程，以及更干净的durable-fact提取逻辑。旧笔记保持只读，Agent读取后产生的输出独立存放在DREAMS.md或短期暂存区，支持rollback操作随时回退，避免污染主记忆。这让Agent的记忆管理更接近“自我进化”——历史经验不再丢失，而是能像人类做梦一样被回顾、提炼和吸收。
安全同步升级：修复SSRF等风险
更新不仅聚焦记忆，还同步硬化了安全边界：修复了SSRF漏洞和Node exec注入风险，加强了对diary writes、status payloads和action分类的输入验证。包括保留source-day标签、拒绝缺失或符号链接目标、规范化diary headings等细节，确保回填过程不会引入新风险。
这些改动对自托管AI Agent尤其重要，用户运行在本地服务器，数据安全直接关系到整个系统的可信度。
为什么今天引发开发者关注
今天在中文Web3/AI开发者圈和X平台上，相关分享帖与视频迅速传播，用户纷纷讨论“Agent从工具向进化伙伴转变”。核心冲击在于：长期记忆一直是AI Agent的瓶颈，许多系统依赖上下文窗口或外部向量库，容易遗忘或幻觉。而OpenClaw用纯Markdown文件+后台Dreaming的轻量方式，实现离线记忆巩固和历史数据复用，降低了维护成本，也让个人自托管Agent更具连续性。
评论中有人已启用Dreaming，观察Light/Deep/REM阶段如何处理日常笔记；也有人联想到这或许会让Agent在Web3场景下更好地“记住”链上交互历史。不过，实际长期效果仍需开发者在真实使用中验证——REM Backfill目前是实用进展，而非彻底解决所有记忆难题。
整体看，这次更新没有夸张的性能跃升，却在细节上补齐了记忆进化的实用一环，让自托管AI从“会聊天”向“会积累智慧”迈出可见一步。开发者社区的转发热情，正源于这种接地气的进化感。
链接
https://github.com/openclaw/openclaw/releases/tag/v2026.4.9
