什么是 Lossless-Claw？
用一句话：用 DAG 摘要树替代传统滑动窗口压缩，实现真正的「无消息丢失」的上下文管理。
传统 OpenClaw 的 compaction 策略基于滑动窗口——当上下文接近限制时，早期消息被摘要成字符串，细节永久丢失。而 Lossless-Claw（LCM）插件彻底改变了这一模式：所有消息持久化到 SQLite，摘要以 DAG 树结构组织，随时可按需展开回溯。
核心创新对比
| 特性 | OpenClaw 原生 | LCM 插件 |
|---|---|---|
| 消息持久化 | 摘要字符串 | SQLite + 完整消息 |
| 被摘要的细节 | ❌ 永久丢失 | ✅ 随时可展开回溯 |
| 搜索能力 | ❌ 无法查历史 | ✅ lcm_grep（全文/正则） |
| 回溯工具 | ❌ 无 | ✅ lcm_describe、lcm_expand_query |
| Safeguard Bug | ✗ 会产生假摘要 | ✓ 自身不受影响 |
| 错误恢复 | Compaction 失败会卡死 | 三层降级，总能推进 |
核心架构
数据模型
LCM 使用 SQLite 数据库（~/.openclaw/lcm.db）存储所有数据：
SQLite 数据库
├── conversations — 每个 sessionKey 对应一条 conversation
├── messages — seq、role、content、tokenCount
├── summaries（DAG） — 深度 0 leaf → 深度 1+ condensed
└── context_items — 当前上下文有序列表
信息流
用户消息
↓
[ingest] → SQLite 持久化 + context_items 追加
↓
模型处理 → 回复
↓
[afterTurn] → 检查 token，触发增量 compaction
↓
Leaf Pass（消息 → 摘要）
↓
Condensed Pass（摘要 → 高层摘要）
↓
DAG 更新，context_items 替换
核心参数
| 配置项 | 默认值 | 含义 |
|---|---|---|
freshTailCount |
64 | 最后 64 条消息保持完整，不压缩 |
leafChunkTokens |
20000 | 单个 leaf chunk 的 token 上限 |
contextThreshold |
0.75 | 触发 compaction 的上下文使用率（75%） |
incrementalMaxDepth |
1 | 每次 turn 后的压缩深度 |
Compaction 三种模式
1. 增量 Compaction（每 turn 后自动）
每次对话轮次后自动检查，轻量触发，不阻塞对话。
2. 完整扫描（手动 /compact 或溢出恢复）
重复 leaf + condensed pass，直到最大化压缩率。
3. 三层摘要降级（保证 compaction 总能成功）
尝试 1: 标准摘要（温度 0.2）
↓ 失败
尝试 2: 激进摘要（温度 0.1，仅关键事实）
↓ 失败
尝试 3: 确定性截断（~512 token，标记 [Truncated]）
无论何种情况，compaction 总能推进，不会卡死。
四个 Agent 工具
LCM 为 Agent 提供四个专用工具：
1. lcm_grep — 搜索
lcm_grep({
pattern: "database",
mode: "full_text", // "regex" 或 "full_text"
scope: "both", // "messages" / "summaries" / "both"
allConversations: false, // 跨所有 session
limit: 50
})
2. lcm_describe — 快速查询单个摘要
lcm_describe({
id: "sum_abc123" // 摘要 ID 或 file_xxx
})
// 返回：完整内容、元数据、父/子 ID、源消息 ID
3. lcm_expand_query — 深度回溯
lcm_expand_query({
prompt: "OAuth bug 的根本原因是什么？",
query: "OAuth authentication error",
maxTokens: 2000
})
工作流：lcm_grep 找摘要 → 创建委托授权 → 子 agent 走 DAG → 返回焦点化答案。
4. lcm_expand — 子 agent 内部工具
仅在委托授权下供子 agent 使用，防止递归调用。
大文件处理
当消息中包含超过 25k token 的文件时，LCM 自动：
- 生成文件 ID（
file_xxx） - 存储到
~/.openclaw/lcm-files/ - 生成 ~200 token 的探索摘要（结构分析、关键段落）
- 在消息中用
<file>引用替换原文件
lcm_describe 可随时恢复完整文件内容。
安装与配置
安装
openclaw plugins install @martian-engineering/lossless-claw
推荐配置
{
"plugins": {
"slots": {
"contextEngine": "lossless-claw"
},
"entries": {
"lossless-claw": {
"enabled": true,
"config": {
"freshTailCount": 64,
"leafChunkTokens": 20000,
"contextThreshold": 0.75,
"incrementalMaxDepth": 1,
"summaryModel": "anthropic/claude-haiku-4-5"
}
}
}
}
}
成本优化
{
"summaryModel": "anthropic/claude-haiku-4-5", // 便宜摘要模型
"leafChunkTokens": 30000, // 减少摘要频率
"incrementalMaxDepth": 0 // 仅 leaf，跳过 condensed
}
实际价值
你之前可能遇到的问题链：
contextWindow 偏高 → safeguard 假摘要 → 上下文丢失 → 会话重启
LCM 能从根本上解决这个问题：
- ✅ 完整历史持久化，不再有永久丢失
- ✅ 智能 DAG 摘要，保留展开能力
- ✅ 按需回溯任何历史细节
- ✅ compaction 三层降级，不会卡死
已知限制
| 限制 | 缓解方案 |
|---|---|
| SQLite 单机存储 | 定期备份 ~/.openclaw/lcm.db |
lcm_expand_query 最多 120s |
分解为多个小查询 |
| 部分 cron/subagent session 不记录 LCM | 配置 ignoreSessionPatterns 排除 |
参考资料
- GitHub: Martian-Engineering/lossless-claw
- LCM Architecture 文档
- Agent Tools 文档
- win4r/lossless-claw-enhanced（CJK 优化版）
研究来源：wairesearch 团队 — 2026-04-03