Проблема памяти OpenClaw РЕШЕНА | Хватит тратить время на объяснения

Три уровня памяти OpenClaw: embeddings, QMD и навыки — выберите хотя бы один, иначе ваш агент будет сбрасываться на каждом сеансе.

## Почему память ломается У агентов OpenClaw каждый раз начинает новый сеанс, фактически «просыпаясь» без контекста. Расскажите ему вашу жизненную историю, и он сожмёт чат в короткие заметки плюс векторы embeddings. При следующем общении на следующий день ему придётся перечитывать заметки, чтобы вспомнить, кто вы. Контекстное окно делает загрузку полных транскриптов в OpenAI слишком дорогой при масштабировании, поэтому слепой поиск по памяти перестаёт работать после месяца использования.

## Включите семантический поиск Сначала включите семантический поиск с использованием векторных представлений. OpenClaw преобразует вашу историю разговоров в числовые векторы и извлекает соответствующие фрагменты по запросу. Последнее обновление OpenClaw теперь поставляется с Mistral в качестве бэкенда для векторных представлений наряду с OpenAI, и запуск Mistral на больших объемах данных обходится дешевле.

## Добавьте QMD как слой снижения затрат QMD — это второй путь памяти. Он работает параллельно с семантическим поиском в качестве более дешевого варианта извлечения, который команда Boxmining все еще тестирует, полезен, когда стоимость использования векторных представлений OpenAI растет с увеличением истории чата.

## Превратите повторения в навыки Для рабочих процессов, которые повторяются каждый день, запишите их как навык в каталоге навыков OpenClaw. Файл написан простым английским, читаем в Termius или любом SSH-клиенте и редактируем. Явно скажите агенту: улучшай этот навык, и он обновляет файл, а не выводит правило заново каждый сеанс.

## Страховочная сеть Obsidian Помимо трех встроенных слоев, пусть ваш агент OpenClaw создаёт текстовое резюме каждого сеанса, а затем отправляет этот файл в Obsidian. Это даёт вам прочный, читаемый человеком журнал, независимый от индекса векторов — полезно, когда вы не доверяете поиску по вектору для обнаружения конкретного предпочтения.

## Как пользователи на самом деле различаются Ведущий относится к памяти легкомысленно, потому что его работа проектная и неповторяющаяся. Его соведущий — полная противоположность: он сохраняет полные ежедневные сводки чатов, потому что мелкие забытые детали (назовем их предпочтениями) нарушают его рабочий процесс. Канал явно спрашивает, какой подход вам интереснее для новых видео: углубленные обзоры QMD, рабочие процессы Obsidian или общее устранение неполадок OpenClaw.