AI-agentens kontext förlorade aldrig: DAG-minnesarkitekturen för LCM-plugins Inbyggda OpenClaw (och nästan alla AI-agenter) förkortar helt enkelt gamla meddelanden när samtalet går utanför modellens kontextfönster – och informationen går förlorad. Kärnprincipen i Lossless Claw är att kompression inte är samma sak som glömska. Den ersätter den ursprungliga glidfönstreringsmekanismen med ett DAG-hierarkiskt sammanfattningssystem (riktad acyklisk graf), lagrar varje meddelande beständigt och tillåter agenten att teoretiskt "minnas" den oändliga historiken samtidigt som tokenbudgeten bibehålls genom rekursiv berikning av sammanfattningsåterupptagande rekursivt. • GitHub har fått 2 000 stjärnor, 147 forks och har blivit en succé kort efter lanseringen – ett representativt projekt i OpenClaw-ekosystemet • Tröskeln för kontextutlöst komprimering är 75 % (contextThreshold=0,75), det vill säga att den börjar kondenseras när det fortfarande finns 25 % av headroom kvar för att undvika fönsterbursts • Skydda de senaste 32 meddelandena från att komprimeras (freshTailCount=32) för att säkerställa nyligen enhetlig konsistens • Det underliggande lagret lagrar alla ursprungliga meddelanden med SQLite, sammanfattar nodkedjan tillbaka till källmeddelandet och kan när som helst utöka återställningen av originaltexten • Tre agentverktyg finns tillgängliga: lcm_grep (sök), lcm_describe (beskriv noder), lcm_expand (utöka detaljer) • Bladnoder kan ha maximalt 20 000 tokens per block källinnehåll, med ett komprimeringsmål på 1 200 tokens. Den högnivåanrikningsnoden siktar på 2000 tokens 1. Installation: Enradskommando-openclaw-plugins installerar @martian-engineering/lossless-claw, ingen manuell ändring av JSON 2. Konfiguration: Specificera contextEngine: "lossless-claw" i OpenClaw-konfiguration för att finjustera parametrar via miljövariabler 3. Kärndesignmönster: • Automatisk komprimering efter varje dialogrunda (kan stängas av) • Gamla meddelanden → bladsammanfattning → kondenserad nod, som kondenseras lager för lager för att bilda en DAG • När agenten anropar lcm_expand expanderar den bakåt från DAG för att återställa de ursprungliga detaljerna 4. Sessionens persistens: Med session.reset.idleMinutes: 10080 (7 dagar) kan samma session överleva i en vecka, och LCM-minne ackumuleras över sessionerna...