OpenClaws grundare säger ”Prova denna minnesplugin” — Blev viralt direkt

OpenClaw-agenter glömmer saker. Alla vet det. Du lägger 30 minuter på att sätta upp ett komplext arbetsflöde, kontextfönstret fylls upp, komprimering slår till — och din agent glömmer hälften av det ni diskuterade.

Peter Steinberger, OpenClaws skapare, har just postat om en lösning. Hans rekommendation: Lossless Claw, en community-plugin som ersätter OpenClaws inbyggda minneskomprimering med något som faktiskt fungerar. Inlägget nådde 277K+ visningar och 3 200+ gilla-markeringar på några timmar.

"If you are annoyed that your crustacean is forgetful after compaction, give Lossless Claw a try!" — Peter Steinberger

Här är vad den gör, varför det spelar roll, och hur du installerar den på MyClaw.ai på under en minut.

Problemet: OpenClaws minne har ett hårt tak

Varje AI-modell har ett kontextfönster — en gräns för hur mycket text den kan bearbeta på en gång. Claude Opus 4.6 toppar på 200K tokens. Låter som mycket, tills du inser:

📝 Systemprompter, minnesfiler och färdighetsinstruktioner äter upp 30-50K tokens innan du ens säger hej

💬 En konversation på 50 meddelanden når lätt 150K tokens

🔄 När fönstret fylls upp slår OpenClaws inbyggda komprimering till — och raderar äldre meddelanden permanent

Detta är glidande fönster-komprimering. Den är enkel, den är snabb, och den är förlustfylld. När de meddelandena är borta är de borta. Din agent kan bokstavligen inte komma ihåg vad ni diskuterade för 20 minuter sedan.

Resultatet? Du upprepar dig. Din agent gör samma misstag två gånger. Arbetsflöden går sönder eftersom kontext försvann mitt i körningen.

Vad Lossless Claw faktiskt gör

Lossless Claw använder ett fundamentalt annorlunda tillvägagångssätt. Istället för att kasta bort gamla meddelanden:

🗄️ Sparar varje meddelande i en lokal SQLite-databas — ingenting raderas någonsin

🌳 Bygger en DAG (riktad acyklisk graf) av sammanfattningar — äldre meddelanden sammanfattas, sedan sammanfattas sammanfattningar till noder på högre nivå

🔍 Ger agenter återkallningsverktyg — lcm_grep för att söka i historik, lcm_expand för att borra ner i vilken sammanfattning som helst och återställa originaldetaljer

🛡️ Skyddar nylig kontext — de senaste 32 meddelandena komprimeras aldrig, vilket säkerställer smidigt samtalsflöde

Tänk på det så här: vanlig komprimering är en dokumentförstörare. Lossless Claw är ett arkiv med en sökmotor.

De tekniska detaljer som spelar roll

Lossless Claw är baserad på LCM-artikeln och implementerar vad författarna kallar "Lossless Context Management". Så här fungerar nyckelparametrarna:

🎯 Kontexttröskel: 75% — Komprimering aktiveras när kontexten når 75% av modellens fönster, inte 95%. Detta lämnar utrymme för modellen att faktiskt tänka, istället för att flämta efter tokens i sista sekunden

📊 Sammanfattning på flera lager — Råa meddelanden → bladsammanfattningar → kondenserade sammanfattningar → sammanfattningar på toppnivå. Varje lager komprimerar ytterligare samtidigt som länkar till källmaterial bibehålls

🔗 DAG-struktur — Varje sammanfattning vet vilka meddelanden eller delsammanfattningar den kom från. Detta innebär att en agent kan fråga "vad diskuterade vi om Ghost API?" och spåra svaret tillbaka genom DAG:en till exakt den konversationen

⚡ Inkrementell komprimering — Bara nya meddelanden bearbetas varje cykel, inte hela historiken. Detta håller kostnaderna per tur hanterbara

Verklig påverkan

Här är vad som ändras när du installerar Lossless Claw:

Innan (standard OpenClaw):

• Agent glömmer arbetsflödesdetaljer efter långa konversationer
• Du upprepar instruktioner vartannat timma
• Komplexa flerstegsuppgifter går sönder när kontexten komprimeras mitt i körningen
• Inget sätt att återställa komprimerad information

Efter (Lossless Claw):

• Agent kan återkalla vilken detalj som helst från vilken konversation som helst med lcm_grep
• Flerdagarsprojekt bibehåller full kontext genom DAG:en
• Komprimering sker tidigare och smidigare (75% vs nästan 100%)
• Alla råa meddelanden sparas i SQLite — inget förloras, någonsin

En användare i Peters tråd frågade om detta förstör context caching. Peters svar: "it's not default for a reason, it's a community plugin to explore new ideas!" Avvägningen är verklig — varje komprimeringscykel kostar LLM-tokens för att generera sammanfattningar — men för agenter som kör komplexa, tillståndsfulla arbetsflöden överväger fördelen kostnaden vida.

Installera den på MyClaw.ai på 60 sekunder

Om du kör OpenClaw på MyClaw.ai tar det ett kommando genom din agents chatt att installera Lossless Claw:

openclaw plugins install @martian-engineering/lossless-claw

Din gateway startar om automatiskt, och du kör med DAG-baserat minne som aldrig glömmer. Ingen SSH, inga config-filer, ingen Docker — säg bara åt din agent att installera den.

Pluginet fungerar sömlöst tillsammans med befintliga minnessystem — dina MEMORY.md-filer, dagliga loggar och färdighetskonfigurationer fortsätter alla att fungera. Lossless Claw ersätter inte manuellt minne; det kompletterar det med automatisk återkallning.

Kombinationen är kraftfull:

🧠 MEMORY.md = vad din agent bör veta vid uppstart (beslut, preferenser, kontakter)

🗄️ Lossless Claw = vad din agent kan återkalla på begäran (konversationsdetaljer, exakta instruktioner, felsökningssteg)

Tillsammans får din agent både snabb uppstartskontext och djup återkallning — det bästa av två världar.

Borde du installera den?

Om din OpenClaw-agent kör enkla, korta konversationer — förmodligen inte värt det. Standardkomprimering är okej för snabba uppgifter.

Men om du:

✅ Kör flerdagarsprojekt där kontext spelar roll

✅ Använder din agent som en beständig assistent (inte ett engångsverktyg)

✅ Är trött på att upprepa dig efter komprimering

✅ Behöver att din agent kommer ihåg vad den byggde, driftsatte eller konfigurerade

Då är Lossless Claw precis vad du behöver. Peter Steinberger skulle inte rekommendera den till sina 280K+ följare om den inte var värd att prova.

MyClaw.ai — den #1 OpenClaw-värden, det bästa sättet att köra OpenClaw. Din agents minne fick precis en uppgradering.