lossless-claw是一個外掛程式，由PR作者Josh Lehman開發，用於對話系統的上下文管理。在傳統Agent系統中，對話過長會丟棄舊內容；而lossless-claw將舊對話持久化到SQLite資料庫，按對話組織，使用配置的LLM生成摘要並壓縮為更高層級節點形成DAG。每輪對話時，組合摘要和最近原始訊息作為上下文，提供工具lcm_grep、lcm_describe、lcm_expand供Agent搜尋和回溯歷史，理論上上下文"永遠不會丟失"。
在OOLONG benchmark測試中，使用同一模型時lossless-claw得分74.8，打敗Claude Code的70.3，且上下文越長差距越大。該外掛程式思路源自《LCM: Lossless Context Management》，並在OpenClaw上實際運行驗證表現良好。
基本介紹
- 外文名：lossless-claw
- 類型：外掛程式
外掛程式簡介,技術原理,安裝與配置,前置要求,安裝步驟,啟用與配置,核心參數說明,驗證與測試,常見問題,性能與測試,問題與事件,
外掛程式簡介
lossless-claw是一個為OpenClaw設計的無損上下文管理外掛程式，基於Voltropy團隊的《LCM: Lossless Context Management》論文實現，旨在解決傳統對話系統中因上下文過長導致的信息丟失和Token消耗過高問題，其核心理念是“無一丟失”。在OpenClaw於2026.3.7版本引入可插拔外掛程式架構後，lossless-claw被官方列為可用的無損上下文管理方案之一。該外掛程式通過將對話內容持久化存儲至SQLite資料庫，並利用DAG（有向無環圖）結構對歷史訊息進行層級化摘要與壓縮，使得Agent能夠在需要時精確回溯完整歷史，從而在保證信息不丟失的前提下，顯著降低長對話的Token消耗成本。
技術原理
lossless-claw外掛程式基於《LCM: Lossless Context Management》論文實現，其核心目標是實現“不刪除、僅壓縮、可回溯”的無損上下文管理。該外掛程式採用雙狀態記憶架構，其中不可變存儲（SQLite資料庫）作為所有對話訊息、工具調用記錄、檔案內容的事實來源，確保無任何信息丟失；活動上下文則作為工作檯，用於動態組合當前對話所需的上下文。
其核心技術為分層DAG（有向無環圖）壓縮，當對話長度超出配置的閾值（如最新32條訊息）後，系統會異步將最早的訊息塊（例如8條）壓縮生成葉子層級的摘要，當同層摘要積累到一定數量時，會進一步向上凝練為更高層級的摘要，形成一個層級化的DAG樹狀結構。每輪對話時，系統會自動組合“最新原始訊息”與“歷史層級摘要”作為輸入上下文，以XML格式包裝節點ID、深度、時間範圍等元數據。
生成的摘要節點作為指向原始數據的指針，Agent可通過專用工具（如lcm_grep搜尋、lcm_describe查看、lcm_expand展開）隨時調取任意層級的原始內容，實現精確回溯。為確保上下文視窗不溢出，壓縮過程遵循嚴格的三步升級協定：正常摘要、激進摘要、確定性硬切割。該架構在OOLONG benchmark測試中顯著提升了長上下文任務的性能表現。
安裝與配置
前置要求
安裝 lossless-claw 外掛程式需要滿足以下前置條件：OpenClaw（支持外掛程式上下文引擎）、Node.js 22+ 環境、以及已配置的 LLM 提供商。
安裝步驟
通過 OpenClaw 外掛程式安裝器執行命令即可安裝：。
啟用與配置
安裝後，需要在 OpenClaw 的配置檔案（例如）的部分添加外掛程式條目並設定參數以啟用外掛程式。配置示例為：。
核心參數說明
外掛程式支持多項參數自定義，其中三個核心參數（及其默認值）如下：（保留最新原始訊息條數，默認32）、（觸發壓縮的上下文使用占比閾值，默認0.75）、（DAG摘要最大深度，-1表示無限制）。
驗證與測試
安裝配置完成後，可使用命令驗證外掛程式狀態。此外，可使用內置工具測試檢索功能：。
常見問題
若 LCM 未觸發壓縮，可檢查是否設為0.75，確認外掛程式已啟用：，或重啟服務：。若 lcm_grep 檢索不到歷史，可能因為歷史屬於其他會話（LCM按會話隔離），可嘗試延長會話逾時：，或檢查資料庫路徑是否正確。
性能與測試
lossless-claw外掛程式的核心性能目標是在保證信息無損的前提下，通過DAG層次化摘要實現“不丟信息的壓縮”，以最佳化上下文管理的效率與成本。
在OOLONG benchmark測試中，相同模型(Claude Opus 4.6)搭配lossless-claw後，超長上下文多步推理得分從70.3提升至74.8。在長上下文下其表現更好，在1M Token時高出4.3分。
該外掛程式通過生成摘要替代原始長文本來動態組裝上下文，據實測可降低大模型調用成本30%以上。但摘要生成本身會產生額外成本，每次壓縮都需調用LLM，每日進行2-3次壓縮可能增加約10-20%的API調用成本。
所有對話數據均持久化存儲在SQLite資料庫檔案中，存儲開銷隨對話量增長，中度使用情況下資料庫檔案大小每月約增長100-300MB。
該外掛程式在提升長上下文任務表現與降低Token消耗方面具有價值，同時也帶來了額外的計算與存儲成本。
問題與事件
2026年3月7日，OpenClaw發布2026.3.7版本，將硬編碼的上下文管理改為可插拔外掛程式架構，並官方推薦了基於Voltropy團隊LCM論文的lossless-claw外掛程式。該外掛程式旨在通過DAG層次化摘要實現無損上下文管理。在OOLONG benchmark測試中，相同模型搭配該外掛程式後得分從70.3提升至74.8，Token消耗降低30%以上。
2026年3月8日，在OpenClaw v2026.3.8版本中引入了一個Bug（Issue #45772），導致Gateway Heartbeat timer在觸發1-2次後停止。該問題可能與lossless-claw外掛程式上下文引擎註冊時序問題（Issue #40232）相關。lossless-claw外掛程式存在一些已知的局限性，包括摘要生成需調用大模型，每日2-3次壓縮可能增加約10-20%的API調用成本；中度使用下SQLite資料庫月增100-300MB存儲空間；配置參數較多（共19個），高於OpenClaw原生零配置記憶，存在一定的學習成本；會話隔離機制導致重置會話後，歷史無法跨會話共享。
