OpenClaw 记不住事？这个开源插件，想把 AI 的“失忆症”补上

有些工具，刚上手的时候会让人觉得很聪明。聊几轮，接几段任务，甚至还能顺着你的思路往下做。可一旦对话拉长，它就开始露馅了。

OpenClaw 也有这个毛病。

前面明明说过的项目背景、接口约束、命名习惯，聊着聊着就掉了。你只能反复提醒它：“不是这个需求”“前面那个设定别忘了”“数据库表结构我刚说过”。这种感觉其实挺烦的，尤其你拿它做复杂项目时，最怕的不是它不会，而是它忘。

更尴尬的是，这还不是用户自己多心。OpenClaw 的作者也意识到了这个问题，所以推荐了一个开源插件：lossless-claw。

这名字取得挺直接，意思差不多就是——尽量别丢。

它干的事，说白了不复杂，但很实用：把每条消息都持久化到 SQLite 里，不让对话只停留在那点脆弱的上下文窗口里。与此同时，它会在后台把旧消息逐步压缩、整理、打包成树状摘要。不是一股脑全塞给模型，而是分层归纳，尽量在保留关键信息的同时，把 Token 消耗压住。

这个思路我觉得比“单纯加长上下文”更像工程办法。

因为很多时候，问题不是你没有记录，而是记录太多，模型根本吃不下。你硬塞，成本高，响应慢，还未必真记得住。lossless-claw 走的是另一条路：近期对话保留原样，久一点的内容折成摘要，需要的时候再翻回来。这就有点像人做项目时的工作习惯——眼前在看的东西放桌面，旧资料进文件夹，但不是扔掉。

更细的一层，是它还给 AI 配了几个专属检索工具，比如 lcm_grep、lcm_describe。这点其实很关键。

因为摘要这件事再聪明，也有压缩损耗。总有些细节，不适合被总结，只适合被查找。比如你半小时前提过某个字段名、某句原始需求、某个特别别扭的业务规则，这些东西一旦被模型“概括”了，味道可能就变了。这时候，能直接回数据库里翻原始记录，比让模型凭印象猜，靠谱得多。

安装也不折腾。作者给的方案是，一条命令就能接进 OpenClaw。后续还能自己调参数，比如保留最近多少条消息不压缩、积累到什么阈值开始摘要。这个自由度很重要，因为不同人用 AI 的方式差别挺大。

有人拿它闲聊，丢一点上下文也没事。 有人拿它写代码、跑 Agent、管复杂工作流，那前面的设定一旦忘掉，后面全都歪。

所以 lossless-claw 吸引人的地方，不只是“补记忆”，而是它终于把这件事当成一个正式问题来处理，而不是默认大家忍着。

我自己现在越来越觉得，AI 工具往后比拼的，可能不只是模型本身多强，而是谁先把这些很琐碎、但又真的影响体验的细节补齐。上下文记忆就是其中一个。模型再聪明，聊久了就失忆，照样难进生产环境。

lossless-claw 这种插件未必是什么惊天动地的大创新，但它很像那种真正会被开发者留下来的东西：不花哨，甚至有点朴素，可一装上，你就很难再回去忍原来的状态了。

如果你本来就在用 OpenClaw，或者正在拿别的 AI 工具折腾复杂项目，又经常被“前面说过的话它怎么又忘了”折磨，那这个开源插件，确实值得试一下。

GitHub地址：martian-engineering/lossless-claw