上下文记忆配置

大模型本身是无状态的——每次对话都是全新的开始。但OpenClaw可以通过上下文记忆功能，让AI"记住"之前的对话内容。这一章，我们来学习如何配置上下文记忆。

为什么需要上下文记忆

没有记忆的对话：

用户：我叫张三
AI：你好，张三！

用户：我叫什么名字？
AI：抱歉，我不知道您的名字。

有记忆的对话：

用户：我叫张三
AI：你好，张三！

用户：我叫什么名字？
AI：您叫张三。

上下文记忆的作用：

1. 连续对话：理解上下文，进行连贯的多轮对话
2. 个性化：记住用户偏好，提供个性化服务
3. 任务延续：记住之前的任务状态，继续执行

开启上下文记忆功能

配置开启：

# ~/.openclaw/config.yaml

memory:
  enabled: true
  
  # 记忆类型
  type: hybrid  # short_term, long_term, hybrid
  
  # 存储位置
  storage: ~/.openclaw/memory/

记忆类型对比：

类型	描述	适用场景
short_term	短期记忆，仅当前会话有效	单次对话
long_term	长期记忆，跨会话持久化	个人偏好
hybrid	混合模式，结合两者优点	推荐使用

配置上下文窗口大小

上下文窗口决定了AI能"记住"多少内容。

配置窗口大小：

# ~/.openclaw/config.yaml

memory:
  # 短期记忆配置
  short_term:
    # 最大消息数
    max_messages: 50
    
    # 最大Token数
    max_tokens: 4000
    
    # 滑动窗口策略
    strategy: sliding  # sliding, summary
    
  # 长期记忆配置
  long_term:
    # 是否启用
    enabled: true
    
    # 存储上限
    max_entries: 1000
    
    # 记忆提取数量
    retrieval_count: 10

窗口大小的影响：

窗口太小：
  优点：响应快，成本低
  缺点：记不住太多内容

窗口太大：
  优点：记住更多上下文
  缺点：响应慢，成本高

推荐配置：

场景	消息数	Token数
简单问答	10	2000
日常对话	30	4000
复杂任务	50	8000
长文档处理	100	16000

记忆管理

查看记忆：

# 查看当前会话记忆
openclaw memory show --session

# 查看长期记忆
openclaw memory show --long-term

# 搜索记忆
openclaw memory search "项目"

输出示例：

长期记忆（共23条）
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

1. [2026-03-28] 用户姓名：张三
2. [2026-03-27] 用户偏好Python编程
3. [2026-03-26] 项目名称：my_app，使用FastAPI
4. [2026-03-25] 用户邮箱：zhangsan@example.com
...

短期记忆（当前会话，共5条）
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

1. [10:30] 用户询问项目进度
2. [10:32] 用户提到明天有会议
3. [10:35] 用户请求生成报告
...

编辑记忆：

# 添加记忆
openclaw memory add "用户喜欢简洁的回答风格"

# 删除记忆
openclaw memory delete mem_123

# 清除短期记忆
openclaw memory clear --short-term

# 清除所有记忆
openclaw memory clear --all --confirm

记忆重要性：

# ~/.openclaw/config.yaml

memory:
  # 重要性评估
  importance:
    enabled: true
    
    # 重要信息关键词
    keywords:
      - "姓名"
      - "邮箱"
      - "偏好"
      - "项目"
      - "截止日期"
    
    # 自动提取规则
    extract:
      - pattern: "我叫(.+)"
        field: "name"
      - pattern: "我的邮箱是(.+)"
        field: "email"
      - pattern: "我喜欢(.+)"
        field: "preference"

记忆压缩与摘要

当对话过长时，OpenClaw会自动压缩记忆。

配置压缩策略：

# ~/.openclaw/config.yaml

memory:
  compression:
    enabled: true
    
    # 触发条件
    trigger:
      # 消息数超过阈值
      max_messages: 30
      
      # Token数超过阈值
      max_tokens: 3000
    
    # 压缩方式
    method: summary  # summary, key_points
    
    # 压缩后保留的消息数
    keep_recent: 5

压缩效果：

压缩前（30条消息）：
  用户：帮我写一个登录功能
  AI：好的，我来帮你...
  用户：添加验证码
  AI：已添加...
  ...（更多对话）
  用户：测试一下
  AI：测试结果...

压缩后：
  摘要：用户请求开发登录功能，包括验证码、密码加密等，
        已完成代码编写和测试，测试通过。
  最近5条消息：
    用户：测试一下
    AI：测试结果...
    ...

记忆持久化

配置持久化：

# ~/.openclaw/config.yaml

memory:
  persistence:
    enabled: true
    
    # 存储格式
    format: json  # json, sqlite
    
    # 自动保存间隔（秒）
    auto_save: 60
    
    # 备份配置
    backup:
      enabled: true
      interval: 86400  # 每天备份
      max_backups: 7

导入导出记忆：

# 导出记忆
openclaw memory export > memory_backup.json

# 导入记忆
openclaw memory import < memory_backup.json

# 从其他Agent导入
openclaw memory import --from work_assistant

隐私与安全

敏感信息过滤：

# ~/.openclaw/config.yaml

memory:
  privacy:
    # 敏感信息检测
    sensitive_detection: true
    
    # 敏感信息类型
    sensitive_types:
      - password
      - api_key
      - credit_card
      - id_card
    
    # 处理方式
    action: mask  # mask, exclude, encrypt

效果：

用户：我的密码是abc123

记忆存储：
  用户提供了密码（已脱敏）：***

记忆访问控制：

memory:
  access_control:
    # 记忆隔离
    isolate_by_user: true
    
    # 记忆共享
    shared_memories:
      - name: common_knowledge
        users: ["user1", "user2"]

---

通过上下文记忆配置，OpenClaw可以记住你的偏好和历史对话，提供更个性化的服务。下一章，我们来学习数据分析与优化。