我和 AI 聊了一晚上，第二天它说“你好，请问有什么可以帮你？“凌晨我的 AI 尽然悄悄把记忆清空了!——OpenClaw Session 完全生存指南：重置、压缩、剪枝、记忆一网打尽

凌晨4点，我的 AI 悄悄把记忆清空了——OpenClaw Session 避坑指南

摘要：用 OpenClaw 搭了个 AI 助手，聊得好的，第二天一早它就"失忆"了？本文从一个真实踩坑出发，系统拆解 OpenClaw 的 Session 机制——重置（Reset）、压缩（Compaction）、剪枝（Pruning）、记忆（Memory）、会话控制（Session Tool）——帮你彻底搞懂"对话为什么会消失"以及"怎么让 AI 记住你"。

🤯 踩坑现场

事情是这样的：

我用 OpenClaw 部署了一个私人 AI 助手，接了飞书和 Web 两个渠道。白天跟它聊了一整天的项目方案，讨论了架构设计、技术选型、排期计划……信息量巨大，我很满意。

第二天早上9点，我发了句"继续昨天的讨论"。

它回我：

“你好！请问有什么可以帮你的？”

整个对话历史，没了。干净净。

我当时的表情：🫠

后来我翻了文档才明白——OpenClaw 默认在凌晨4点重置 Session。不是 bug，是 feature。但如果你不了解这套机制，就会像我一样，被"设计如此"四个字暴击。

这篇文章，就是我把 OpenClaw 的 Session 体系从头到尾啃完之后的总结。希望能帮你少走弯路。

📚 本文结构

第1章 · Session 基础——消息怎么找到"对的对话"

核心概念：两层标识

理解 Session，先搞清楚两个东西：

┌─────────────────────────────────────────────┐
│ Session Key（路由键） │
│ → "这条消息属于哪个对话桶？" │
│ │
│ 例: agent:main:main │
│ agent:main:feishu:group:oc_xxx │
│ cron:job-123 │
│ │
│ ┌─────────────────────────────────────┐ │
│ │ Session ID（对话记录） │ │
│ │ → "当前这轮对话的实际文件" │ │
│ │ │ │
│ │ abc123.jsonl（今天的对话） │ │
│ │ def456.jsonl（昨天的，已归档） │ │
│ └─────────────────────────────────────┘ │
└─────────────────────────────────────────────┘

关键理解：

• Session Key 是固定的，决定消息路由到哪个"桶"
• Session ID 会变，每次重置就换一个新的 JSONL 文件
• 重置 ≠ 删除——旧 JSONL 文件还在磁盘上，只是模型不再读取

Session Key 的生成规则

私聊的 dmScope 模式

这个配置决定了不同渠道的私聊是否共享同一个 Session：

💡 如果你用的是默认 main 模式，飞书私聊和 webchat 私聊会共享同一个 session。

存储位置

~/.openclaw/agents/<agentId>/sessions/
├── sessions.json ← Session 元数据（Key → ID 映射）
├── abc123.jsonl ← 当前对话记录
├── def456.jsonl ← 旧对话记录（重置后留下的）
└── ghi789-topic-42.jsonl ← Telegram 话题会话

第2章 · Session 生命周期——什么时候开始、什么时候结束

生命周期全景图

消息到达
│
▼
┌──────────────┐ 是 ┌──────────────┐
│ Session 过期？ │───────→│ 创建新 Session │
│ │ │ ID + JSONL │
└──────┬───────┘ └──────┬───────┘
│ 否 │
▼ ▼
┌──────────────┐ ┌──────────────┐
│ 继续使用当前 │ │ 开始新对话 │
│ Session │ │（旧上下文丢失）│
└──────┬───────┘ └──────────────┘
│
▼
[对话进行中]
│
▼
┌──────────────┐ 是 ┌──────────────┐
│ 上下文快满了？ │───────→│ Memory Flush │
│ │ │（静默写日志） │
└──────┬───────┘ └──────┬───────┘
│ 否 │
▼ ▼
[继续对话] ┌──────────────┐
│ │ Auto-Compact │
▼ │（压缩旧内容） │
┌──────────────┐ └──────────────┘
│ 上下文溢出？ │
│ │───→ 强制 Compact → 重试
└──────────────┘

三种重置触发方式

① 每日重置（默认启用）

{
"session": {
"reset": {
"mode": "daily",
"atHour": 4
}
}
}

⚠️ 重点来了：不是到凌晨4点就立刻清空，而是下一条消息到来时才检查。

23:00 聊天 ──→ 凌晨4:00（重置边界）──→ 早上9:00 发消息 ──→ 💥 新 Session！
↑ 这时候才真正重置

这就是我踩坑的根本原因——昨晚聊的内容，在今早第一条消息时被判定为"过期"，直接创建了新 Session。

② 空闲重置（可选）

{
"session": {
"reset": {
"mode": "daily",
"atHour": 4,
"idleMinutes": 120
}
}
}

同时配置每日+空闲时，先到期的那个生效。

③ 手动重置

发送 /new 或 /reset 立即创建新 Session：

• /new claude-sonnet → 重置并切换模型
• 单独发 /new → 重置并发一条问候确认

按类型/渠道覆盖

不同场景可以设不同策略：

{
"session": {
"resetByType": {
"dm": { "mode": "idle", "idleMinutes": 480 },
"group": { "mode": "idle", "idleMinutes": 120 },
"thread": { "mode": "daily", "atHour": 4 }
},
"resetByChannel": {
"discord": { "mode": "idle", "idleMinutes": 10080 }
}
}
}

优先级：resetByChannel > resetByType > reset（全局默认）

第3章 · Compaction（压缩）——上下文满了怎么办

为什么需要压缩？

每个模型有上下文窗口限制（比如 200k tokens）。聊久了，历史消息会撑满窗口。

压缩 = 把旧对话总结成摘要，腾出空间继续聊。

压缩 vs 重置

自动压缩触发条件

两种情况：

配置

{
"compaction": {
"enabled": true,
"reserveTokens": 16384,
"keepRecentTokens": 20000
}
}

压缩后模型看到什么？

┌─────────────────────────────────┐
│ [压缩摘要] │
│ "之前讨论了 A、B、C 三个话题…" │
├─────────────────────────────────┤
│ [保留的最近消息] │
│ 用户: xxx │
│ 助手: xxx │
│ 用户: xxx │
│ 助手: xxx │
└─────────────────────────────────┘

💡 手动压缩：发送 /compact 即可触发，还可以附带指令，比如 /compact 重点保留关于项目架构的讨论

第4章 · Session Pruning（剪枝）——省钱的隐形优化

剪枝 vs 压缩

为什么需要剪枝？

Anthropic 的提示缓存有 TTL（生存时间）。如果会话空闲超过 TTL，下次请求会重新缓存整个提示，很贵。剪枝在 TTL 过期后裁掉旧的工具结果，减少重新缓存的大小。

两个级别

工具结果（很大）
│
▼
┌──────────────┐
│ 软修剪 │ 保留头尾，中间用 … 替代
│ (Soft Trim) │
└──────┬───────┘
│ 如果还是太大
▼
┌──────────────┐
│ 硬清除 │ 整个替换为占位符
│ (Hard Clear) │ "[Old tool result content cleared]"
└──────────────┘

什么不会被剪枝？

• ❌ 用户消息——永不修改
• ❌ 助手消息——永不修改
• ❌ 包含图片的工具结果——跳过
• ❌ 最近 N 条助手消息之后的工具结果——受保护

配置

{
"agent": {
"contextPruning": {
"mode": "cache-ttl",
"ttl": "5m",
"keepLastAssistants": 3,
"softTrim": {
"maxChars": 4000,
"headChars": 1500,
"tailChars": 1500
},
"hardClear": {
"enabled": true,
"placeholder": "[Old tool result content cleared]"
}
}
}
}

💡 智能默认值：如果你用的是 Anthropic 的 key，OpenClaw 会自动启用 cache-ttl 模式，不需要手动配。

第5章 · Memory（记忆）——跨 Session 的持久化方案

核心问题

Session 会重置、会压缩，模型的"记忆"是短暂的。Memory 系统就是解决"AI 失忆"的终极方案。

三层记忆架构

┌─────────────────────────────────────────────┐
│ 第1层：Session 上下文（最短暂） │
│ · 当前对话的消息历史 │
│ · 压缩后变摘要，重置后完全丢失 │
└─────────────────────────────────────────────┘
▼ 写入文件
┌─────────────────────────────────────────────┐
│ 第2层：Workspace 文件（持久） │
│ · MEMORY.md — 长期记忆 │
│ · memory/YYYY-MM-DD.md — 每日日志 │
│ · AGENTS.md, SOUL.md 等 — 注入系统提示 │
└─────────────────────────────────────────────┘
▼ 语义搜索
┌─────────────────────────────────────────────┐
│ 第3层：Memory Search（语义检索） │
│ · 基于 Embedding 的向量搜索 │
│ · 搜索 MEMORY.md + memory/*.md │
│ · 每次新 session 启动时可自动召回相关记忆 │
└─────────────────────────────────────────────┘

Workspace 文件注入

OpenClaw 会自动把 workspace 中的特定文件注入到系统提示中：

workspace/
├── AGENTS.md ← 工作规范（自动注入）
├── SOUL.md ← 人格定义（自动注入）
├── USER.md ← 用户信息（自动注入）
├── TOOLS.md ← 工具笔记（自动注入）
├── MEMORY.md ← 长期记忆（自动注入）
├── HEARTBEAT.md ← 心跳任务（自动注入）
└── memory/
├── 2026-02-07.md ← 每日日志（需搜索读取）
└── 2026-02-08.md

⚠️ 注入的文件会占用上下文窗口！MEMORY.md 太大会挤压对话空间。

压缩前记忆刷新（Memory Flush）⭐ 最聪明的设计

上下文使用量
│ ████████████████████░░░░░░ ← 软阈值（flush 触发）
│ █████████████████████████░ ← 硬阈值（compaction 触发）
│ ██████████████████████████ ← 上下文窗口上限

流程：

{
"agents": {
"defaults": {
"compaction": {
"memoryFlush": {
"enabled": true,
"softThresholdTokens": 4000
}
}
}
}
}

⚠️ Memory Flush 的致命盲区

这就是"失忆"的根本原因：凌晨4点重置时，没有任何机制把昨晚的对话写入持久记忆。对话就这么没了。

第6章 · Session Tool——运行时的会话控制

常用命令

Send Policy（发送策略）

可以按规则阻止特定 session 的消息投递：

{
"session": {
"sendPolicy": {
"rules": [
{ "action": "deny", "match": { "channel": "discord", "chatType": "group" } },
{ "action": "deny", "match": { "keyPrefix": "cron:" } }
],
"default": "allow"
}
}
}

第7章 · 实战：五个机制如何协同工作

一条消息的完整旅程

用户发送消息
│
▼
[1] Session 路由
│ 根据来源生成 Session Key
│ 检查是否过期（每日/空闲/手动重置）
│ 过期 → 创建新 Session ID
▼
[2] 加载上下文
│ 读取 JSONL 对话记录
│ 注入 workspace 文件（MEMORY.md 等）
│ 如果有压缩摘要，从摘要开始
▼
[3] Session Pruning（剪枝）
│ 检查缓存 TTL 是否过期
│ 过期 → 裁剪旧工具结果（省钱）
▼
[4] 发送给模型 → 生成回复
▼
[5] 回复后检查
│ 接近阈值 → Memory Flush（静默写日志）
│ 超过阈值 → Auto-Compaction（压缩）
▼
[6] 投递回复
│ 检查 Send Policy → 通过则发送
▼
[7] 写入 JSONL + 更新 sessions.json
▼
✅ 完成

记忆保持可靠性排行

可靠性
▲
手动写入文件 ────┤ ★★★★★ 最可靠，但需要主动操作
Memory Flush ───────┤ ★★★★ 压缩前自动触发，重置前不触发
Memory Search ──────┤ ★★★ 新 session 可召回，依赖搜索质量
Compaction 摘要 ────┤ ★★ 保留大意，丢失细节
纯靠 Session ───────┤ ★ 重置就没了
└──────────→ 自动化程度

🏆 推荐配置组合

{
"session": {
"reset": {
"mode": "daily",
"atHour": 4,
"idleMinutes": 480
}
},
"agents": {
"defaults": {
"compaction": {
"memoryFlush": {
"enabled": true,
"softThresholdTokens": 4000
}
},
"memorySearch": {
"enabled": true
}
}
}
}

📋 全文速查表

写在最后

OpenClaw 的 Session 体系设计得其实很精巧——重置保证干净、压缩保证连续、剪枝保证省钱、记忆保证持久。但如果你不了解这套机制，就会在某个早晨被"你好，请问有什么可以帮你？"当头一棒。

希望这篇文章能帮你少踩一个坑。

如果对你有帮助，点个赞收个藏，我后续还会更新 OpenClaw 的其他深度拆解。

📌 声明：本文基于个人学习和实践整理，如有错误欢迎指正。