AI-agent-kontekst aldri tapt: DAG-minnearkitekturen for LCM-plugins Native OpenClaw (og nesten alle AI-agenter) forkorter ganske enkelt gamle meldinger når samtalen går utenfor modellens kontekstvindu – og informasjonen går tapt. Kjernen i Lossless Claw er at komprimering ikke er det samme som å glemme. Den erstatter den opprinnelige mekanismen for avkortning av glidende vinduer med et DAG (directed acyclic graph) hierarkisk oppsummeringssystem, lagrer hver melding kontinuerlig, og lar agenten teoretisk "huske" den uendelige historikken samtidig som tokenbudsjettet opprettholdes gjennom rekursiv berikelse av oppsummering-resumpsjon rekursivt. • GitHub har mottatt 2 000 stjerner, 147 forks, og har blitt en suksess kort tid etter lanseringen – et representativt prosjekt i OpenClaw-økosystemet • Terskelen for kontekstutløst komprimering er 75 % (contextThreshold = 0,75), det vil si at den begynner å kondenseres når det fortsatt er 25 % av headroom igjen for å unngå vindusburst • Beskytte de siste 32 meldingene mot komprimering (freshTailCount=32) for å sikre nylig konsistens • Det underliggende laget beholder alle opprinnelige meldinger med SQLite, oppsummerer nodekjeden tilbake til kildemeldingen, og kan utvide gjenopprettingen av den opprinnelige teksten når som helst • Tre agentverktøy er tilgjengelige: lcm_grep (søk), lcm_describe (beskriv noder), lcm_expand (utvid detaljer) • Bladnoder kan ha maksimalt 20 000 tokens per blokk med kildeinnhold, med et komprimeringsmål på 1 200 tokens. Den høynivå berikelsesnoden sikter mot 2000 tokens 1. Installasjon: Énlinjes kommando-openclaw-plugins installerer @martian-engineering/lossless-claw, ingen manuell endring av JSON 2. Konfigurasjon: Spesifiser contextEngine: "lossless-claw" i OpenClaw-konfigurasjon for å finjustere parametere gjennom miljøvariabler 3. Kjernedesignmønstre: • Automatisk komprimering etter hver dialogrunde (kan slås av) • Gamle meldinger → bladoppsummering → kondensert node, som kondenseres lag for lag for å danne en DAG • Når agenten kaller lcm_expand, utvider den seg bakover fra DAG for å gjenopprette de opprinnelige detaljene 4. Sesjonspersistens: Med session.reset.idleMinutter: 10080 (7 dager) kan samme økt overleve i én uke, og LCM-minne akkumuleres på tvers av øktene...