你的OpenClaw学会“做梦”了!你的“龙虾”是不是总是会健忘?
4月5日更新后,OpenClaw推出了一个叫“梦境”的功能。它可以帮助你的“龙虾”拥有离线思考和自我成长的能力,从而变得更聪明、更懂你。如果说以前的AI记忆像“仓库”,需要的时候才会去找。那“梦境”功能就像给你的“龙虾”装上了大脑。它会在闲置时,自动整理白天所有的交互、对话和执行记录,把有价值的信息筛选出来,变成长期记忆。
“梦境”三阶段
第一阶段:Light Sleep(浅睡整理)
你的龙虾会像雷达一样,开始扫描、整理和筛选你近期的所有对话和运行记录。这一阶段的核心任务就是去除冗余信息,把有价值的信息挑选出来,但不会立即写入长期记忆(MEMORY.md)中。第二阶段:REM(快速眼动提取)
在记忆固化之后,这一阶段就会像侦探一样寻找信息之间的隐藏关联,这些深度洞察会写入专门的REM区块中,帮助智能体在处理复杂逻辑问题时表现得更具大局观,确保它醒来后记忆更精准且反应更敏锐。第三阶段:Deep Sleep(深睡晋升)
这是最关键的一步。系统会采用严格的评分系统,对筛选出的信息进行评分。它通过相关性(30%)、频率(24%)、查询多样性(15%)、时效性(15%) 等多项指标进行量化评估,来判断那一条信息可以被留下,那一条信息要被去除。只有最后的高分信息,才会被写入到长期记忆文件MEMORY.md中。
评分权重揭秘
- 相关性 (Relevance)占30%:信息与上下文或查询的匹配程度。
- 频率 (Frequency)占24%:信息在短期记忆中出现的次数,次数越多越重要。
- 查询多样性 (Query Diversity)占15%:被不同问题或上下文触发的次数,通用性越高越重要。
- 时效性 (Recency)占15%:信息最后被访问的时间,越近越重要。
- 整合度 (Consolidation)占10%:信息是否在连续多天中出现,体现其长期稳定性。
- 概念丰富度 (Conceptual Richness)占6%:信息中包含的概念密度,结构越丰富,价值越高。
这里面相关性的权重是最高的,因为在不同场景下被反复检索,比单纯出现次数多更为重要。你今天问了5次"API怎么调用",但明天你的问题变为"怎么部署到服务器"。那API调用只是临时需求。而在不同场景下都涉及的信息,才是真正重要的核心知识。就像,我们平时相处最多的人是你的同事,但你并不会觉得这些同事对你有多重要。重要的人是你的朋友、父母、亲戚。但这些人,和你相处的时间远没有见到同事的次数多。所以,重要并不是见面次数。这点来说,OpenClaw有点人类的逻辑思维了。
开启梦境
在聊天界面直接输入命令 /dreaming on,这是最便捷的方式。开启梦境后,可以看到梦境的状态,这里面有三道硬性门槛,即使综合分数再高,也必须同时满足以下三个条件才能最终被记住:最低综合评分 (minScore ≥ 0.8): 六维评分的总分必须超过0.8。最低召回次数 (minRecallCount ≥ 3): 在短期记忆中至少被成功唤起或引用3次。最低独特查询数 (minUniqueQueries ≥ 3): 这条信息必须由至少3个不同的问题或对话上下文触发过。- 一键开启:在聊天界面直接输入命令 /dreaming on,这是最便捷的方式。
- 检查状态:使用 /dreaming status 查看功能开关状态和下次自动运行的计划时间。
- 手动触发:使用 /dreaming run 可以立即执行一次记忆整理。
- 配置修改:你也可以修改配置文件 ~/.openclaw/config.toml,添加以下内容以实现更高级的配置:
[features.dreaming]enabled = trueschedule = "0 3 * * *"自定义运行时间,此为凌晨3点
- 检查并修复记忆系统问题:/dreaming doctor
- 预览 REM 阶段可能生成的持久真理:openclaw memory rem-harness
监控与审查
- /memory/.dreams/ 是目录, 存储了系统内部状态,用于故障排查和数据恢复。
在 4月9号更新的版本中,梦境系统引入了 REM Backfill(REM回填) 功能。它允许系统重新处理旧的日记或历史笔记,从中提取有价值的信息并整合进当前的记忆体系。这弥补了过去系统只能使用“新数据”构建记忆的不足,实现了跨时间的知识关联,让AI对历史数据的理解能够随着系统能力的提升而不断深化。
我是永不停歇的追光者卡比。立志在有限时光里,用自己微薄的力量,温暖更多赶路人,和志同道合者一路同行,一起披荆斩棘🌿,用汗水浇灌梦想🌱,用脚步丈量远方🛤️。
如果你想获取第一手的AI资讯,欢迎加入我的AI交流群,+w248681827。