Agente AI Contexto nunca perde: Arquitetura de memória DAG do plugin LCM O OpenClaw nativo (e quase todos os Agentes AI) simplesmente corta mensagens antigas quando a conversa ultrapassa a janela de contexto do modelo - a informação é perdida. A principal afirmação do Lossless Claw é: compressão não é igual a esquecimento. Ele substitui o mecanismo de corte de janela deslizante original por um sistema de resumo em camadas baseado em DAG (grafo acíclico direcionado), armazenando cada mensagem de forma persistente e, através de um processo de resumo e re-resumo, permite que o Agente "lembre" teoricamente de uma história de comprimento infinito, mantendo o orçamento de tokens. • O GitHub já recebeu 2k Estrelas, 147 Forks, e rapidamente se tornou popular - um projeto representativo entre as ferramentas do ecossistema OpenClaw • O limiar de compressão acionado pelo contexto é de 75% (contextThreshold=0.75), ou seja, começa a condensar quando ainda há 25% de espaço livre, evitando estouros • Protege as 32 mensagens mais recentes de serem comprimidas (freshTailCount=32), garantindo coerência recente • Utiliza SQLite para persistir todas as mensagens originais, com nós de resumo vinculados às mensagens de origem, podendo ser expandidos a qualquer momento para recuperar o texto original • Oferece três ferramentas para Agentes: lcm_grep (pesquisa), lcm_describe (descrever nós), lcm_expand (expandir detalhes) • Cada bloco de nó folha contém no máximo 20000 tokens de conteúdo original, com um objetivo de compressão de 1200 tokens; o objetivo dos nós de condensação de alto nível é de 2000 tokens 1. Instalação: um comando openclaw plugins install @martian-engineering/lossless-claw, sem necessidade de modificar JSON manualmente 2. Configuração: especifique contextEngine: "lossless-claw" na configuração do OpenClaw, ajustando parâmetros através de variáveis de ambiente 3. Padrões de design principais: • Compressão automática após cada rodada de conversa (pode ser desativada) • Mensagens antigas → Resumo Folha → Nó Condensado, condensando camadas para formar um DAG • Quando o Agente chama lcm_expand, ele expande reversamente a partir do DAG, recuperando os detalhes originais 4. Persistência de Sessão: em conjunto com session.reset.idleMinutes: 10080 (7 dias), permite que a mesma sessão dure uma semana, acumulando memória LCM entre sessões...