告别 OpenClaw 失忆：深度解析上下文神器 lossless-claw 及其完整使用教程

大家好。在使用大模型智能体时，最让人头疼的问题之一就是“失忆”。当对话上下文窗口达到极限后，传统系统往往只能丢弃早期记录，或者做一次高度有损的压缩，结果就是关键细节、任务状态和决策背景一起消失。

而 lossless-claw 想解决的正是这个根本问题。本文会系统拆解 lossless-claw 的技术原理、它为什么值得安装，以及如何在 OpenClaw 中完成部署与调优。

什么是 lossless-claw？它的核心原理是什么？

lossless-claw 是一个为 OpenClaw 开发的无损上下文管理插件。它不是等上下文爆满之后再临时补救，而是持续在后台异步处理历史消息。

首先，lossless-claw 会将所有原始消息完整写入 SQLite 数据库，不主动丢弃任何内容。随后，随着消息持续累积，lossless-claw 会把较旧的消息分块，并调用你配置好的 LLM 生成摘要。

真正关键的设计在于，这些摘要会被组织成一个有向无环图（DAG）结构。底层节点保留更细的时序与操作细节，上层节点则逐步浓缩为更高层级的主题摘要。这样一来，系统既能控制上下文体积，也不会真正失去原始信息。

当智能体需要回忆过去某个具体命令、文件路径或决策原因时，lossless-claw 还能通过 lcm_expand_query 等工具沿着摘要图向下追溯，重新取回精确的原始内容。

为什么你需要 lossless-claw？

lossless-claw 的价值不只是“记得更多”，而是让长时间运行的 AI Agent 具备更稳定的工程表现。

1. 性能表现强。在 OOLONG 基准测试中，搭载 lossless-claw 的系统得分达到 74.8，高于 Claude Code 的 70.3。
2. 长期对话更稳定。lossless-claw 可以让智能体在持续数天甚至数周的会话中维持有效上下文，而不用频繁手动开启新对话。
3. 避免有损压缩后的能力退化。因为原始消息始终可追溯，系统不会像传统压缩流程那样在多轮工作后逐渐“变笨”。

lossless-claw 实战教程：如何安装与配置

只要 OpenClaw 基础环境已经就绪，lossless-claw 的接入流程并不复杂。

第一步：检查前置条件

安装之前，请先确认：

• 已经安装支持插件上下文引擎的 OpenClaw。
• Node.js 版本为 22 或更高。
• 已在 OpenClaw 中配置好可用于摘要生成的 LLM 提供方。

另外，强烈建议 你的 Node 运行环境支持 SQLite FTS5 编译选项。这样 lossless-claw 才能使用更快的全文检索能力；否则只能退回到效率更低的查询方式。

第二步：安装 lossless-claw 插件

在终端中执行以下命令即可完成安装：

openclaw plugins install @martian-engineering/lossless-claw

该命令会下载插件、登记配置，并在系统中启用 lossless-claw。

第三步：将 lossless-claw 设为默认上下文引擎

你可以检查 OpenClaw 的 JSON 配置文件，确保 contextEngine 指向 lossless-claw：

{
  "plugins": {
    "slots": {
      "contextEngine": "lossless-claw"
    }
  }
}

修改完成后，记得重启 OpenClaw 网关服务，让新的上下文引擎配置生效。

第四步：调整进阶参数

为了得到更好的默认体验，可以先使用下面这组参数：

• LCM_FRESH_TAIL_COUNT=32：保护最近 32 条消息不被压缩，保持短期上下文连贯。
• LCM_INCREMENTAL_MAX_DEPTH=-1：允许摘要树无限制扩展，让长期记忆自然增长。
• LCM_CONTEXT_THRESHOLD=0.75：当上下文占用达到 75% 时启动压缩流程，为模型回复预留空间。

总结

lossless-claw 让大模型上下文管理从“被动遗忘”转向“主动保存”。它通过 SQLite 保存原始消息、用 DAG 构建可检索的摘要层级，并在需要时把精确历史重新取回，显著提升了 OpenClaw 长会话的可靠性。

如果你已经受够了长对话中途断片、反复重开会话和上下文压缩失真，lossless-claw 值得成为你在 OpenClaw 中优先安装的核心插件之一。