OpenClaw—AI研究用OpenClaw做过长任务的人，可能都遇到过这个场景：做到一半，AI突然开始重复自己、问你已经给过的背景信息、甚至自信地说出根本没收集过的数据。查日志才发现，OpenClaw悄悄触发了一次”上下文压缩”，把你花了几个小时整理的内容全部压缩成一段摘要，细节全丢了——只剩” vibe”，事实全没了。这不是模型的问题，而是OpenClaw本身的一个设计缺陷。
问题的根源在GitHub issue #25633。OpenClaw有一个”上下文压缩”机制，当对话历史太长、快要装不下模型的上下文窗口时，它会自动把旧的聊天记录压缩成一段摘要。想法是好的，但执行起来很粗暴：压缩算法不知道当前任务里哪些内容是重要的，它只看到”这些token需要删减”。于是你精心整理的数据表格被压缩成”代理收集了竞品价格数据”，多步操作指引被压缩成”用户要求一个研究摘要”——让AI有用的那些具体信息，全被描述这些信息的句子替代了。
具体怎么修复？首先要设置`maxContextTokens`为模型上限的80%，给关键指令打上`[PINNED]`标签，这样压缩的时候会优先保留这些内容。然后把`compactMessageCount`设置为-1，彻底关掉自动上下文压缩。如果用Docker部署，还要挂载一个持久化存储，防止容器重启后记忆文件丢失。这些改动能绕过issue #25633描述的”压缩时误删活跃工作内容”的问题。
还有一个更根本的认识：OpenClaw并不”忘记”事情，它只是把具体的事实描述成了抽象的摘要——而摘要天然是有损的。有科技博主专门写了一句话来描述这个现象：”OpenClaw不是真的记忆力差，它只是太喜欢总结，而总结必然丢失细节。”理解这一点，有助于在配置OpenClaw时做出更合理的决策，比如明确哪些信息是绝对不能被压缩的，哪些内容可以接受一定程度的提炼。
总结一下：如果你的工作需要OpenClaw处理长文本、多步骤或者大量数据，第一件事就是关掉自动上下文压缩，然后给所有关键任务指令打上`[PINNED]`标签防止被压缩。在这个基础上，如果还需要更可靠的长期记忆，可以考虑接入Mem0这类外部记忆增强工具，来弥补OpenClaw内置记忆系统在容量和精度上的先天限制。