INTJer
·
/dreaming：OpenClaw 的记忆整理机制
内容提要
OpenClaw的新功能引入了一种记忆整理机制，通过观察信息的重复和重要性，将其转化为长期记忆。这一机制改善了旧有的记忆方式，使长期记忆更加干净、稳定，避免无关信息的干扰。用户可以手动启用此功能，系统会自动运行，确保重要信息得到保留。
关键要点
-
OpenClaw的新功能/dreaming引入了一种记忆整理机制，能够将重要信息转化为长期记忆。
-
旧有的记忆方式依赖于模型的即时判断，缺乏系统性的复盘和筛选机制。
-
新机制通过观察信息的重复性和重要性，决定哪些信息值得进入长期记忆。
-
用户可以手动启用/dreaming功能，系统会自动运行以确保重要信息的保留。
-
记忆整理过程分为三个阶段：light、REM和deep，分别负责收集、提炼和最终升格信息。
-
新机制使长期记忆更干净、稳定，避免无关信息的干扰，提升了长期记忆的质量。
-
通过真实的使用证据来判断信息的重要性，减少了过期内容被写入长期记忆的风险。
-
新功能提供了更好的可观察性和审计能力，用户可以检查信息筛选的过程和依据。
延伸问答
OpenClaw的记忆整理机制是如何工作的？
OpenClaw的记忆整理机制通过观察信息的重复性和重要性，将重要信息转化为长期记忆，分为light、REM和deep三个阶段进行处理。
用户如何启用OpenClaw的/dreaming功能？
用户需要手动输入命令/dreaming on来启用该功能，启用后系统会自动运行。
与旧有记忆方式相比，OpenClaw的新机制有什么优势？
新机制通过真实的使用证据来判断信息的重要性，避免了旧机制中信息被随意写入长期记忆的风险，使长期记忆更干净、稳定。
记忆整理过程中的light、REM和deep阶段分别负责什么？
light阶段负责收集和整理短期材料，REM阶段负责提炼主题和模式，deep阶段决定哪些内容进入长期记忆。
哪些信息不会被dreaming升格到长期记忆？
一次性、短生命周期、局部上下文型的信息通常不会被升格，例如临时的调试状态或当天的局部修改。
OpenClaw的记忆整理机制如何提高长期记忆的质量？
通过观察信息的重复性和相关性，确保只有真正重要的信息被写入长期记忆，从而提高记忆的质量。
