OpenClaw 开源贡献与记忆系统重构
在 GitHub 38 万+ Stars 的开源 Agent 项目上：一个修复 PR 已被官方合并；另 Fork 出自己的版本，重构记忆与上下文管理两大核心模块，代码公开可查。
做成什么
已合并
官方 PR
记忆模块公开可查（37 个文件，含测试）
Fork 重构
四级检索降级 + CJK token 预算修正
架构改造
问题
OpenClaw（小龙虾）是 GitHub 38 万+ Stars 的开源 Agent 项目，但官方版的记忆是单层向量检索：没有遗忘机制、不会主动提取，embedding 服务一旦异常整个记忆系统直接崩溃；长会话下上下文管理也会爆 token——而且官方对 CJK 文本的 token 估算偏低约 40%，中文场景问题更严重。
做法
先从小处建立信任：提交修复 MiniMax API 端点配置错误的 PR，已被官方合并。然后 Fork 深度定制：把单层向量检索重构为三层认知记忆架构，补上遗忘与主动提取；加四级检索降级链（embedding 失败 → fallback provider → keyword-only → SQL LIKE 多 token 打分），任何一级挂掉都有下一级兜底；再做四层上下文管理，包含入口截断、三级递进裁剪、持久化会话清理和 CJK 感知 token 预算。
AI 在这个项目里的角色
改造对象就是 Agent 系统本身：读懂一个别人写的大型 Agent 代码库，找到架构级问题并重构——比从零写一个更能说明工程深度。
这个项目证明什么
从零写项目容易「只在自己的舒适区里转」。OpenClaw 这件事的难度在于：读懂一个活跃开源 Agent 项目的内部架构，指出它的结构性问题，然后动手改掉。
改了什么
记忆：从单层到三层。 官方版本质是「往向量库里塞、按相似度捞」——没有遗忘，不会主动提取。重构后分为检索引擎层、认知记忆层、调度层，记忆有了生命周期管理。代码公开可查：重构后的记忆模块（37 个文件，含测试）。
可用性：四级检索降级。 官方版 embedding 服务一挂，记忆整个不可用。重构后：embedding → fallback provider → keyword-only → SQL LIKE 多 token 打分，逐级兜底。（眼熟吗？这个网站聊天链路的「真 AI → 演示模式」降级是同一个设计哲学。）
上下文：四层管理。 入口截断保留头 60% 尾 30%、完整内容落盘按需读取；三级递进裁剪；持久化会话清理用原子写入替换已消化的冗余工具输出；最后是 CJK 感知的 token 预算——官方对中文约 40% 的低估会让所有上游策略失准，这个修正是中文场景能用的前提。
起点是一个已合并的 PR
修复 MiniMax API 端点配置错误——很小，但走完了完整的开源协作流程：发现问题、定位、提 PR、过 review、合并。