AI Agent 上下文永不丢失：LCM 插件的 DAG 记忆架构 原生 OpenClaw（以及几乎所有 AI Agent）在对话超出模型上下文窗口时，会简单地截断旧消息 - 信息就此丢失。 Lossless Claw 的核心主张是：压缩不等于遗忘。它用一套 DAG（有向无环图）分层摘要系统替换掉原来的滑动窗口截断机制，将每一条消息都持久化存储，通过摘要-再摘要的递归浓缩，让 Agent 在保持 token 预算的同时，理论上能"记住"无限长的历史。 • GitHub 已获 2k Stars、147 Forks，上线不久即成热门 - OpenClaw 生态周边工具中的代表性项目 • 上下文触发压缩的阈值为 75%（contextThreshold=0.75），即还有 25% 的 headroom 时就开始浓缩，避免爆窗 • 保护最新 32 条消息不被压缩（freshTailCount=32），确保近期连贯性 • 底层用 SQLite 持久化所有原始消息，摘要节点链回源消息，任何时刻都可展开恢复原文 • 提供三个 Agent 工具：lcm_grep（搜索）、lcm_describe（描述节点）、lcm_expand（展开细节） • 叶节点每块最多 20000 tokens 源内容，压缩目标为 1200 tokens；高阶浓缩节点目标 2000 tokens 1. 安装：一行命令 openclaw plugins install @martian-engineering/lossless-claw，无需手动改 JSON 2. 配置：在 OpenClaw config 里指定 contextEngine: "lossless-claw"，通过环境变量微调参数 3. 核心设计模式： • 每轮对话后自动压缩（可关闭） • 旧消息 → Leaf Summary → Condensed Node，层层向上浓缩，形成 DAG • Agent 调用 lcm_expand 时，从 DAG 反向展开，恢复原始细节 4. Session 持久化：配合 session.reset.idleMinutes: 10080（7天）可让同一会话存活一周，LCM 记忆跨会话累积 5. 大文件处理：超过 25000 tokens 的文件块单独拦截摘要，不污染主上下文 上下文窗口管理是目前 Agent 系统最大的工程痛点之一，LCM 提供了一个可落地的工业解法 - 不是 RAG 式检索，而是主动分层摘要。这代表着 Agent 基础设施从"用完即弃"向"长期记忆"演进的重要方向。 这个插件解决的正是"Claw 每次重启后忘记之前对话"的现实痛点。如果希望 Claw 能真正做到跨会话的长期记忆积累，安装这个插件是最直接的技术方案，比手写 MEMORY.md 更系统、更可靠。 AI Agent 的"健忘"是架构缺陷，不是宿命 - 用 DAG 分层摘要把每条消息永久存入 SQLite，压缩只是浓缩，不是遗忘。(Kenny.eth)