核心用法
OpenClaw Memory Librarian 是一款后台运行的上下文管理技能，通过三阶段工作流优化 AI Agent 的记忆效率：
1. 读取 - 扫描 memory/YYYY-MM-DD.md 格式的每日日志文件
2. 提炼 - 将原始对话中提取的「信号」（Signal）按四象限归档至月度期刊 memory/journal/YYYY-MM.md：决策记录、配置变更、阻塞与解决方案、核心洞察
3. 清理 - 自动删除 14 天以上的原始日志，释放上下文窗口空间
用户可通过自然语言指令触发完整周期或仅执行摘要保留原始文件。
显著优点
- Token 经济性：将冗长对话历史压缩为结构化知识，显著降低上下文填充成本
- 信号提取机制：内置噪声过滤规则，区分有效信息（架构决策、安全变更）与冗余内容（问候语、中间状态确认）
- 可追溯性：月度期刊支持文件链接回源，保持知识链条完整
- 自动化运维：无需人工干预的保留策略执行
潜在局限与风险
- 硬依赖前置配置：必须手动开启
sessionMemory实验性功能，否则完全失效，配置门槛较高 - 摘要质量不确定性：自动化信号提取可能遗漏隐性上下文或过度简化复杂决策过程
- 14 天保留期刚性：无法针对不同项目敏感度自定义保留策略，存在误删风险
- 实验性功能风险：依赖标记为
experimental的底层能力，API 稳定性无长期保障 - 无版本回滚：删除操作不可逆，摘要错误将导致原始信息永久丢失
适合人群
- 高频使用 OpenClaw 平台的开发者与知识工作者
- 长会话场景下受困于上下文窗口限制的高级用户
- 需要建立可检索决策日志的技术团队
常规风险提示
运行前务必确认 sessionMemory 已启用；建议首次使用时附加「保留原始文件」参数观察摘要质量；关键决策节点建议人工复核月度期刊后再执行清理。