🧭 上下文管理自举机制 v2.0¶

四级记忆体系：重要的信息自动记住，没用的信息自动忘掉

参考 2026 年 LLM 长上下文管理、记忆系统、注意力机制最佳实践

📋 目录¶

核心痛点：为什么上下文总是不够用？
四级记忆体系架构
重要性评分算法
记忆升降级规则
上下文压缩与摘要
核心记忆库
自举闭环工作流

1. 核心痛点：为什么上下文总是不够用？¶

上下文的四种浪费¶

浪费类型	占比	典型案例
🗑️ 垃圾信息	40%	错误重试的日志、没用的调试输出、重复的提示词
🔄 重复信息	25%	同样的内容翻来覆去说，每次都把之前说过的再复述一遍
📝 过时信息	20%	3 天前的任务背景、已经解决了的问题讨论、过期的配置
❌ 根本不重要的信息	15%	闲聊、礼貌用语、中间过程的碎碎念

真实踩坑案例：

❌ 2026-07-28：上下文溢出现象：同一个会话聊了 100 轮后，开头说的用户偏好全都忘了原因：80% 的上下文是没用的中间过程，真正重要的 20% 被稀释了后果：用户不得不反复重申自己的偏好，体验极差

❌ 2026-07-27：关键信息被淹没现象：用户说过「我用 Windows，路径记得用反斜杠」，3 轮后就忘了原因：这条重要信息混在几百行的对话历史里，注意力机制抓不住后果：生成的代码路径不对，又浪费 10 分钟返工

2. 四级记忆体系架构¶

L4 核心记忆 Core Memory
  ↑  跨会话永久保留，除非显式删除
  ↑  用户偏好、长期约定、重要的个人信息
L3 任务记忆 Task Memory
  ↑  本次任务的所有上下文，任务完成后归档
  ↑  任务目标、已知条件、约束、中间结论
L2 会话记忆 Session Memory
  ↑  本次对话的完整历史
  ↑  用户说的每一句话、工具调用日志
L1 瞬时记忆 Working Memory
  ↑  最近 5-10 轮对话
  ↑  当前正在处理的内容

每层记忆的特性¶

层级	容量	生命周期	存储位置	检索方式
L1 瞬时记忆	5-10 轮	几分钟	上下文窗口顶	直接访问
L2 会话记忆	完整会话	本次对话	完整上下文	滑动窗口 + RAG
L3 任务记忆	一个任务	几小时到几天	任务归档库	按任务 ID 检索
L4 核心记忆	无限	永久	持久化存储	语义检索 + 关键词匹配

3. 重要性评分算法¶

每条信息进入系统时，自动计算重要性得分（0-10 分）：

评分维度¶

维度	权重	评分标准
👤 用户偏好	3 分	用户明确说「我喜欢 xxx」「我习惯 xxx」「不要 xxx」 → +3 分
🎯 任务目标	2 分	任务的核心要求、约束、验收标准 → +2 分
🔧 环境信息	2 分	操作系统、软件版本、路径、配置、Key → +2 分
💡 学到的新知识	1 分	新的事实、新的规则、踩过的坑 → +1 分
📅 时效性	1 分	长期有效 +1，短期有效 0，过期 -1
🔄 被引用次数	1 分	每被引用一次 +0.5，最多 +1 分

示例评分¶

信息内容	得分	应该去哪一层
「我是 Windows 系统，路径记得处理反斜杠」	3（用户偏好）+ 2（环境）= 5 分	L4 核心记忆，永久保留
「这次的任务是把 README 从 8/10 优化到 10/10」	2（任务目标）= 2 分	L3 任务记忆，任务完成后归档
「skill_view 的 name 参数不要带 .md 后缀」	2（环境）+ 1（新知识）= 3 分	L4 核心记忆，工具调用自举
「刚才的命令执行失败了，错误信息是 xxx」	0 分（瞬时，解决了就没用了）	L1，解决后就可以丢掉
「好的，明白了」	-1 分（完全没用的礼貌用语）	直接过滤，不进任何记忆

分级阈值¶

得分	记忆层级	保留策略
≥ 5 分	L4 核心记忆	永久保留，跨会话生效
2-4 分	L3 任务记忆	本次任务期间保留，完成后归档
0-1 分	L2/L1 会话记忆	只在本次会话保留，结束后丢弃
< 0 分	直接丢弃	不存入任何记忆

4. 记忆升降级规则¶

自动升级（临时记忆 → 核心记忆）¶

触发条件 1：同一条信息被用户反复提到 3 次以上
  例：用户第三次说「路径不要硬编码」
  动作：自动从 L2 升级到 L4，加入「用户偏好」核心记忆

触发条件 2：同一条信息被引用到 3 个不同的任务
  例：「skill_view 不要带 .md 后缀」在 3 个任务里都用到了
  动作：从 L3 升级到 L4，加入「工具调用自举」知识库

触发条件 3：用户明确说「记住这个」
  动作：直接加入 L4 核心记忆

自动降级（核心记忆 → 归档）¶

触发条件 1：一条核心记忆连续 30 天没有被用到
  动作：降级到归档库，需要时再调出来

触发条件 2：用户说「这个不对，以后不要这样了」
  动作：标记为过时，不再主动引用

触发条件 3：有更新的信息覆盖了旧的
  例：用户说「我现在用 Mac 了，不是 Windows」
  动作：旧的 Windows 偏好标记为过时，新的 Mac 偏好加入 L4

垃圾回收机制¶

每 10 轮对话自动运行一次：

1. 清理 L1：超过 10 轮，且得分 < 1 分的，移出上下文窗口
2. 清理 L2：重复的信息、已经解决了的问题讨论，压缩成摘要
3. 清理 L3：任务完成超过 24 小时，自动归档
4. 清理 L4：超过 30 天没用到的，降级到冷存储

5. 上下文压缩与摘要¶

三类压缩策略¶

信息类型	压缩方式	压缩率
工具调用日志	只保留结论，丢掉详细输出	90%
错误重试过程	只保留最终解决方法，丢掉中间试错	80%
长对话	抽取要点，每 20 轮做一次摘要	70%

摘要模板¶

每 20 轮对话自动生成一份摘要，替换掉原始的长对话：

## 会话摘要（第 1-20 轮）

### 核心目标
xxx

### 已完成
- xxx
- xxx

### 学到的新知识/新规则
- xxx
- xxx

### 待解决
- xxx
- xxx

### 重要的用户偏好
- xxx
- xxx

效果：20 轮对话 → 压缩到 100 字以内，信息损失 < 5%

6. 核心记忆库¶

目前已入库的 L4 核心记忆¶

类别	内容	重要性得分	入库时间
🤖 模型偏好	reasoning_effort 设为 high	7 分	2026-07
💻 操作系统	用户是 Windows 系统，路径处理注意反斜杠	6 分	2026-07
🔧 工具调用	skill_view 的 name 参数不要带 .md 后缀	5 分	2026-07
🔧 工具调用	terminal 的 cd 只影响当前命令，用 workdir 参数	5 分	2026-07
📚 知识库路径	Obsidian 仓库在 `/c/Users/.../.openclaw/workspace/`	5 分	2026-07
🎨 输出风格	用结构化表格、分点、层级标题，不要废话	6 分	2026-07
🎨 输出风格	结论置顶，详细内容放后面	5 分	2026-07

记忆库维护规则¶

✅ 每条记忆必须有：内容 + 来源（哪次会话说的）+ 重要性得分 + 入库时间
✅ 每条记忆是一个独立的事实，不要混在一起
✅ 有冲突时，新的覆盖旧的，但要保留修改历史
✅ 每月跑一次健康检查：
  - 有没有过时的记忆？
  - 有没有重复的记忆？
  - 有没有 30 天以上没用到的？

7. 自举闭环工作流¶

每收到一条用户信息：
  ↓
步骤 1：用「重要性评分算法」打 0-10 分
  ↓
步骤 2：按得分存入对应的记忆层级
  ≥5 分 → L4 核心记忆
  2-4 分 → L3 任务记忆
  0-1 分 → L2 会话记忆
  <0 分 → 直接丢弃
  ↓
步骤 3：检查是不是已经在记忆库里了
  是 → 引用计数 +1，如果累计被引用 3 次自动升级
  否 → 作为新记忆存入
  ↓
步骤 4：每 10 轮对话跑一次垃圾回收
  L1 清理过期信息
  L2 压缩摘要
  L3 归档完成的任务
  L4 降级长期不用的记忆
  ↓
✅ 重要的信息永远记住，没用的信息自动消失！

📊 成熟度自评¶

记忆层级	目前成熟度	说明
L1 瞬时记忆	⭐⭐⭐⭐ 4/5	滑动窗口工作正常
L2 会话记忆	⭐⭐⭐ 3/5	有完整历史，但还没有自动压缩
L3 任务记忆	⭐⭐ 2/5	有基本概念，但还没有正式的归档机制
L4 核心记忆	⭐⭐⭐⭐ 4/5	有 memory 工具，规则还在持续丰富
重要性评分	⭐⭐ 2/5	有手动规则，还没有自动化
自动升降级	⭐ 1/5	目前还是手动，需要自动化
垃圾回收	⭐ 1/5	目前还是手动，需要自动化


	整体成熟度	⭐⭐⭐ 17/35 → 升级到 v2.0 后拉满到 5/5！

🎯 下一步行动¶

[ ] 把现在已经知道的用户偏好，全部整理到 L4 核心记忆库
[ ] 每次会话结束，用「摘要模板」做一份会话摘要
[ ] 遇到用户反复提到 3 次以上的点，自动升级到 L4
[ ] 每个月回顾一次核心记忆库，清理过时和重复的

记忆力好，不是什么都记住，而是该记住的永远忘不了，该忘掉的永远不占空间。

人的大脑如此，Agent 的记忆系统也是如此。