核心用法
OpenClaw Memory Librarian 是一款后台运行的记忆管理技能，旨在解决AI代理长期运行时的上下文膨胀问题。其工作流包含三个关键步骤：读取近期日志（memory/YYYY-MM-DD.md）、将高价值信息提取并汇总至月度期刊（memory/journal/YYYY-MM.md）、以及自动删除超过14天的原始日志文件。用户可通过Cron定时任务实现自动化，建议每日凌晨执行，并在早晨通过/reset命令刷新会话上下文，以加载精简后的期刊而非冗长原始记录。
显著优点
token效率优化：通过将碎片化日志压缩为结构化摘要，显著减少上下文窗口占用，降低API调用成本。 长期记忆保持：采用"信号提取"策略而非简单复制，保留决策、配置变更、错误解决方案等关键知识。 自动化运维：支持Cron调度与隔离会话执行，无需人工干预即可完成日常清理。 安全冗余：14天保留期与日期校验机制防止误删近期数据。
潜在缺点与局限性
前置依赖严格：必须手动开启实验性sessionMemory配置，否则技能完全失效。 信息损失风险：降噪规则可能过滤掉看似琐碎但后续重要的交互细节；自动化摘要的质量取决于底层模型的提取能力。 冷启动问题：首次使用时若缺乏历史期刊，代理可能无法建立有效长期记忆上下文。 无版本控制：删除原始日志后不可追溯具体对话历史，仅保留高度抽象的总结。
适合人群
高频使用OpenClaw进行长期项目开发、知识积累或多轮复杂任务的用户；对token成本敏感、需要代理维持数月级别项目记忆的企业场景；以及追求"干净上下文"工作流的效率型开发者。
常规风险
- 配置遗忘风险：用户可能忽略CRITICAL REQUIREMENT警告，导致技能静默失效。 - 摘要质量波动：关键决策若被错误归类为"噪音"过滤，将导致代理"失忆"。 - 自动化误操作：Cron配置错误时可能在不当时机执行删除，建议先手动验证工作流。 - 实验性功能依赖：
sessionMemory标记为experimental，未来API变更可能导致兼容性断裂。