Основатель OpenClaw говорит: «Попробуйте этот плагин памяти» — Мгновенный вирус

Агенты OpenClaw забывают вещи. Все это знают. Вы тратите 30 минут на настройку сложного рабочего процесса, контекстное окно заполняется, запускается сжатие — и ваш агент забывает половину того, что вы обсуждали.

Peter Steinberger, создатель OpenClaw, только что опубликовал пост о решении. Его рекомендация: Lossless Claw, плагин от сообщества, который заменяет встроенное сжатие памяти OpenClaw на то, что действительно работает. Пост набрал более 277 тысяч просмотров и более 3200 лайков за несколько часов.

"Если вас раздражает, что ваш ракообразный становится забывчивым после сжатия, попробуйте Lossless Claw!" — Peter Steinberger

Вот что он делает, почему это важно, и как настроить его на MyClaw.ai менее чем за минуту.

Проблема: память OpenClaw имеет жёсткий лимит

Каждая AI-модель имеет контекстное окно — лимит на то, сколько текста она может обработать за раз. Claude Opus 4.6 достигает максимума в 200 тысяч токенов. Звучит много, пока вы не осознаете:

📝 Системные промпты, файлы памяти и инструкции навыков съедают 30-50 тысяч токенов ещё до того, как вы скажете "привет"

💬 Беседа из 50 сообщений легко достигает 150 тысяч токенов

🔄 Когда окно заполняется, встроенное сжатие OpenClaw запускается — и удаляет старые сообщения навсегда

Это сжатие со скользящим окном. Оно простое, быстрое и с потерями. Как только эти сообщения исчезли, они исчезли. Ваш агент буквально не может вспомнить, что вы обсуждали 20 минут назад.

Результат? Вы повторяетесь. Ваш агент совершает одни и те же ошибки дважды. Рабочие процессы ломаются, потому что контекст исчез в процессе выполнения.

Что на самом деле делает Lossless Claw

Lossless Claw использует принципиально другой подход. Вместо того чтобы выбрасывать старые сообщения, он:

🗄️ Сохраняет каждое сообщение в локальной базе данных SQLite — ничего никогда не удаляется

🌳 Строит DAG (направленный ациклический граф) резюме — старые сообщения резюмируются, затем резюме резюмируются в узлы более высокого уровня

🔍 Предоставляет агентам инструменты воспоминания — lcm_grep для поиска по истории, lcm_expand для углубления в любое резюме и восстановления исходных деталей

🛡️ Защищает недавний контекст — последние 32 сообщения никогда не сжимаются, обеспечивая плавное течение беседы

Представьте себе это так: обычное сжатие — это шредер для бумаги. Lossless Claw — это архив с поисковой системой.

Технические детали, которые имеют значение

Lossless Claw основан на статье LCM и реализует то, что авторы называют "Lossless Context Management" (управление контекстом без потерь). Вот как работают ключевые параметры:

🎯 Порог контекста: 75% — Сжатие запускается, когда контекст достигает 75% окна модели, а не 95%. Это оставляет запас для того, чтобы модель могла действительно думать, вместо того чтобы задыхаться от нехватки токенов в последний момент

📊 Многослойное резюмирование — Исходные сообщения → листовые резюме → сжатые резюме → резюме верхнего уровня. Каждый слой сжимает дальше, сохраняя при этом ссылки на исходный материал

🔗 Структура DAG — Каждое резюме знает, из каких сообщений или подрезюме оно произошло. Это означает, что агент может спросить "что мы обсуждали о Ghost API?" и проследить ответ через DAG до точной беседы

⚡ Инкрементное сжатие — Только новые сообщения обрабатываются в каждом цикле, а не вся история. Это делает затраты на каждый ход управляемыми

Реальное влияние

Вот что меняется, когда вы устанавливаете Lossless Claw:

До (стандартный OpenClaw):

• Агент забывает детали рабочего процесса после длинных бесед
• Вы повторяете инструкции каждые несколько часов
• Сложные многошаговые задачи ломаются, когда контекст сжимается в процессе выполнения
• Нет способа восстановить сжатую информацию

После (Lossless Claw):

• Агент может вспомнить любую деталь из любой беседы, используя lcm_grep
• Многодневные проекты сохраняют полный контекст через DAG
• Сжатие происходит раньше и более плавно (75% вместо почти 100%)
• Все исходные сообщения сохраняются в SQLite — ничего не теряется, никогда

Один пользователь в теме Peter спросил, не нарушает ли это кеширование контекста. Ответ Peter: "это не по умолчанию не просто так, это плагин сообщества для исследования новых идей!" Компромисс реален — каждый цикл сжатия стоит токенов LLM для генерации резюме — но для агентов, выполняющих сложные рабочие процессы с состоянием, выгода намного перевешивает затраты.

Установите его на MyClaw.ai за 60 секунд

Если вы запускаете OpenClaw на MyClaw.ai, установка Lossless Claw занимает одну команду через чат вашего агента:

openclaw plugins install @martian-engineering/lossless-claw

Ваш шлюз перезапускается автоматически, и вы работаете с памятью на основе DAG, которая никогда не забывает. Никакого SSH, никаких конфигурационных файлов, никакого Docker — просто скажите своему агенту установить его.

Плагин работает бесшовно вместе с существующими системами памяти — ваши файлы MEMORY.md, ежедневные логи и конфигурации навыков продолжают работать. Lossless Claw не заменяет ручную память; он дополняет её автоматическим воспоминанием.

Комбинация мощная:

🧠 MEMORY.md = что ваш агент должен знать при запуске (решения, предпочтения, контакты)

🗄️ Lossless Claw = что ваш агент может вспомнить по требованию (детали беседы, точные инструкции, шаги отладки)

Вместе ваш агент получает и быстрый стартовый контекст, и глубокое воспоминание — лучшее из обоих миров.

Стоит ли вам его устанавливать?

Если ваш агент OpenClaw ведёт простые, короткие беседы — вероятно, не стоит. Стандартное сжатие подходит для быстрых задач.

Но если вы:

✅ Выполняете многодневные проекты, где контекст имеет значение

✅ Используете своего агента как постоянного помощника (а не как одноразовый инструмент)

✅ Устали повторяться после сжатия

✅ Нужно, чтобы ваш агент помнил, что он создал, развернул или настроил

Тогда Lossless Claw — это именно то, что вам нужно. Peter Steinberger не рекомендовал бы это своим более чем 280 тысячам подписчиков, если бы это не стоило попробовать.

MyClaw.ai — хостинг OpenClaw №1, лучший способ запустить OpenClaw. Память вашего агента только что получила апгрейд.