OpenClaw 大更新：最值得關(guān)注的不是 GPT-5.4，而是 memory

最近，最火的 Agent 項(xiàng)目 OpenClaw 又迎來(lái)一次大更新：支持 GPT-5.4、加入 Context Engine 插件接口、記憶系統(tǒng)可以熱插拔，GitHub Star 也突破了 28 萬(wàn)。

表面看，這次更新內(nèi)容很多：搜索、插件、通信渠道、容器部署、安全機(jī)制……幾乎是一次全面升級(jí)。但如果只抓一個(gè)最關(guān)鍵的變化，其實(shí)是這一點(diǎn)：OpenClaw 開(kāi)始重做 memory。

因?yàn)檫@段時(shí)間，OpenClaw 被吐槽最多的地方，其實(shí)就是“記性不太行”。你前面說(shuō)過(guò)的東西，它后面可能就忘了；或者同一件事反復(fù)記、反復(fù)問(wèn)，memory 越用越亂。很多人一開(kāi)始以為這是模型不夠聰明，后來(lái)才發(fā)現(xiàn)問(wèn)題不完全在模型，而在它原來(lái)的記憶機(jī)制。

過(guò)去的 OpenClaw memory 更像“有事再去翻筆記”。系統(tǒng)會(huì)把內(nèi)容寫(xiě)進(jìn)日志文件和長(zhǎng)期記憶文件，需要的時(shí)候再通過(guò) memory_search 和 memory_get 這些工具去查。這其實(shí)是一種典型的 tools 邏輯：需要時(shí)再調(diào)用工具，把上下文找出來(lái)。

問(wèn)題在于，這種方式看起來(lái)像“按需調(diào)用、更省資源”，但實(shí)際往往更慢、更費(fèi) token，因?yàn)槊恳淮喂ぞ哒{(diào)用本身也有成本。而且它太依賴(lài) Agent 自己先“想起來(lái)去查”，一旦沒(méi)觸發(fā)工具，這段記憶就等于不存在。同時(shí)，它在知識(shí)更新、時(shí)間推理、多會(huì)話上下文上的表現(xiàn)也不理想：寫(xiě)入新內(nèi)容時(shí)，往往不知道舊記憶里已經(jīng)有什么，結(jié)果就是重復(fù)記錄、舊信息不更新。再加上它幾乎不會(huì)遺忘，時(shí)間一長(zhǎng)，memory 就容易變成一個(gè)越來(lái)越大的信息堆，什么都在，但真正重要的反而找不出來(lái)。

所以這次更新真正重要的地方，是 OpenClaw 開(kāi)始從 tools 邏輯轉(zhuǎn)向 hooks 邏輯。

簡(jiǎn)單說(shuō)，tools 是“需要時(shí)再查”，hooks 是“在關(guān)鍵節(jié)點(diǎn)自動(dòng)處理”。通過(guò) Hook，memory 的保存和上下文補(bǔ)充可以在后臺(tái)自動(dòng)發(fā)生，而不是每次都依賴(lài) Agent 主動(dòng)調(diào)用工具。這樣系統(tǒng)既能提取結(jié)構(gòu)化記憶，也能保留原始上下文，并在需要時(shí)補(bǔ)充信息，還可以讓長(zhǎng)期無(wú)關(guān)的信息逐漸衰減、被清理掉。

在這個(gè)基礎(chǔ)上，OpenClaw 又把上下文處理抽象成可插拔的 Context Engine。這意味著開(kāi)發(fā)者不需要改動(dòng) Agent 本身，就可以替換不同的上下文管理策略，比如 RAG、知識(shí)圖譜折疊或無(wú)損壓縮等。Agent 的邏輯不變，真正變化的是“上下文怎么被組織和注入”。

所以這次更新里，最容易被忽略、但可能最重要的，其實(shí)就是 memory。 新模型、新搜索當(dāng)然都很熱鬧，但一個(gè) Agent 能不能真正長(zhǎng)期好用，關(guān)鍵還是看它能不能把“記住、更新、遺忘”這件事做好。

整理 ｜Tina