My OpenClaw Agent Dreams Every Night

每晚 7:10，我的 OpenClaw 智能体就会进入“睡眠”状态。

它并非在休息，而是在处理数据。一个运行 60 秒的脚本会对当天的所有操作运行一次流水线。它会审视每一项任务、每一个错误和每一个决策。到了早晨，智能体已经完成了对记忆的编辑：剔除噪音，保留信号。

我运行了三周，数据证明了其有效性：

  • 6 月 23 日：62 个候选条目已暂存 -> 发现 257 个主题 -> 2 个被提升至记忆
  • 6 月 22 日：64 个候选条目已暂存 -> 发现 242 个主题 -> 1 个被提升
  • 6 月 21 日：63 个候选条目已暂存 -> 发现 241 个主题 -> 1 个被提升

大部分数据都会被拒绝。这是刻意为之。

长期运行的 AI 智能体会面临“上下文压缩”的问题。当系统将 40 条消息总结成几个段落时，细节就会丢失。重要的教训会变得模糊，修正意见也会变成含糊不清的语言。

我构建了 Dream Protocol 来解决这个问题。这是一个简单的 Python 脚本，用于扫描每日记忆日志。它会暂存每一条学到的教训和每一次修正。

该脚本通过三个“关卡”来决定哪些内容可以保留：

  • 最低召回次数：3（必须出现 3 次）
  • 最低唯一查询数：3（必须出现在 3 个不同的语境中）
  • 最低评分：0.8

如果某种模式得以幸存，它就会进入 MEMORY.md。这就是长期知识库。

拒绝率非常高。在 6 月 23 日，脚本在 828 个候选条目中拒绝了 824 个。智能体学到的绝大部分内容都会被遗忘，只有重复出现的模式才能幸存。

这个过程改变了智能体的行为方式。它现在能更快地识别错误模式。它不再建议在生产任务中使用免费层级的模型，因为它记得之前的失败教训。

存储所有内容是一个错误。充满噪音的记忆会让真相难以被发现。过度压缩会稀释信号。

规则很简单：忘掉你所学内容的 97%。只保留那 3% 在三天内出现在三个不同语境中的内容。

如果你的智能体记忆变得嘈杂，请添加一个每晚运行的去重环节。你不需要复杂的工具，你只需要一个关卡和删除其余内容的纪律。

Source: https://dev.to/mrclaw207/my-openclaw-agent-dreams-every-night-heres-what-actually-sticks-3gcp

Optional learning community: https://t.me/GyaanSetuAi