- 综合排序
- 最热优先
- 最新优先
- 来自专栏openclaw系列
长期记忆与会话同步 —— 如何让OpenClaw记住跨天对话
关键词：长期记忆｜会话持久化｜增量同步｜上下文压缩｜跨设备一致性 在传统聊天机器人中，对话一旦关闭，上下文即被遗忘。 OpenClaw 的目标是让 AI 智能体具备类人的记忆能力：不仅能记住单次对话，还能在跨天、跨设备、跨渠道的场景下保持上下文连贯。这依赖于一套精心设计的长期记忆与会话同步机制。 本文将详解： 会话如何持久化存储 何时触发同步以平衡性能与一致性 如何防止记忆膨胀与隐私泄露 如何在 WhatsApp、Web、iOS 间共享同一记忆视图 一、会话模型：从瞬时到持久 OpenClaw 六、跨设备一致性：一个用户，一个记忆视图 当用户同时使用 WhatsApp（手机）和 Web UI（电脑），如何保证记忆同步？ 懒加载 仅当某 sessionKey 被访问时，才加载其 .jsonl 内存中缓存最近 100 个活跃会话 2.
2.1K21编辑于 2026-03-14 - 来自专栏与workbuddy合作
别让你的AI每次醒来都失忆——跨会话记忆的三个坑
别让你的 AI 每次醒来都失忆——跨会话记忆的三个坑你花 10 分钟对齐背景。AI 给了完美方案。下次对话，它又不认识你了。不是它笨，是它没有记忆。 这不是你的问题，不是 AI 模型的问题，是会话架构的默认设计。我花了几个月搭建了一套跨会话记忆系统，踩了三个坑。这篇文章讲怎么搭建、怎么维护、怎么不翻车。记忆系统的三层结构先说设计。 解决方案：启动协议固化为"检查清单"，不依赖记忆# AI 新会话启动协议（不写进记忆，写进系统提示词）每次新会话必须按以下顺序执行：1. 读取最新交接文档（含 HANDOVER 的文件）2. 跨文件矛盾查询 = 0 # → 三份文件说的是同一件事 pass满足这三个条件，就算一个合格的记忆系统了。不需要完美，够用就好。 写在最后给 AI 加记忆，本质上是在做一件反直觉的事：为一个设计上无状态的系统强行注入连续性。它不会自己"记得"。每一次"记得"，都是你设计的文件、规则、读取协议在起作用。但这个门槛值得跨。
700编辑于 2026-05-11 - 来自专栏Elastic Stack专栏
用 Elasticsearch 给 AI Agent 装一颗大脑：从零构建跨会话记忆系统
关键设计点是 memory_text 的多字段结构：PUT ai-agent-memory-v2{ "settings": { "default_pipeline": "agent-memory-pipeline insert_memory type: elasticsearch.request with: method: POST path: ai-agent-memory-v2/ search_memory type: elasticsearch.request with: method: POST path: ai-agent-memory-v2/ 调用 Recall_Memory_Hybrid(query="用户编程语言偏好") 2. 召回记忆："用户目前使用 Rust，偏好简洁风格" 3. 2. 越用越聪明，但也会遗忘importance_score 和 ttl_days 的组合让 Agent 像人一样工作：核心偏好记得牢，短期细节自然淡忘。
12411编辑于 2026-04-30 - 来自专栏Node开发
实时会话系统实现(2) --- express-ws改写会话系统
上一篇提到过实际上会话系统最简单的方式是http轮询：用户发送信息时实现一个http接口保存用户聊天信息，然后在客户端实现一个定时器，定时获取用户A与用户B的聊天信息，并且重新渲染聊天界面。 所以本节课我们通过express框架支持的一个websocket库--express-ws来改写上一篇实现的会话系统。 that.data.chatInfo; chatInfo.chat_content = result.payload; chatInfo.chat_type = 2; 实际上在会话系统我们目前仅仅需要websocket连接，发送消息，接受消息三个方法，所以我们在websocket.js中定义这三个方法，然后使用module.exports导出，使得在任何界面都可以调用这几个方法 可以发现我们使用websocket可以开启一个长连接成功实现实时会话系统，有消息送达马上接收渲染，而不用像http轮询一样不断地重复请求接口造成贷款和服务器资源的浪费。
1.2K30发布于 2019-11-25 - 来自专栏MongoDB中文社区
事务背景介绍（2）：MongoDB中的逻辑会话
逻辑会话 MongoDB的解决方案是创建逻辑会话和逻辑会话标识符。 从MongoDB 3.6开始，任何客户端操作都与逻辑会话相关联。然后，逻辑会话标识符lsid将与跨群集的命令操作相关联。 逻辑会话与取消操作 任何操作都会消耗资源。 首先，会运行一个控制器进程来管理所有会话，其次，会维护一个会话列表并连接到控制器中的进程上。每隔5分钟，控制器会同步刷新会话的相关信息，如更新会话最近被使用的时间。 该触发表明这个会话已经没被任何控制器使用超过30分钟了。该会话所使用的资源可以被清除了。 逻辑会话ID在取消操作和垃圾收集方面具有直接的作用，且逻辑会话是其它MongoDB 4.0+特性的基础。
1.1K40发布于 2019-07-29 - 来自专栏机器之心
CVPR 2025 Highlight｜AdaCM2：首个面向超长视频理解的跨模态自适应记忆压缩框架
为此，来自得克萨斯大学阿灵顿分校（UTA）计算机系研究团队提出了 AdaCM2：首个支持超长视频理解的跨模态记忆压缩框架。 这两大观察构成了 AdaCM2 设计的基础，驱动出一整套可调、可解释、可扩展的「视频记忆管理机制」。 创新：AdaCM2 提出跨模态动态压缩机制 为应对长视频带来的内存挑战，AdaCM2 首次引入了跨模态注意力驱动的层级记忆压缩策略。 应用前景：多模态大模型的「长时记忆」引擎 AdaCM2 的提出，为多模态模型赋予了「可控的长时记忆能力」。 总结 AdaCM2 作为首个专注于极长视频理解的跨模态记忆压缩框架，在大语言模型和视觉编码器之间架起了一座高效的信息筛选桥梁。它不仅优化了计算资源利用率，还拓展了多模态 AI 在实际应用中的边界。
55210编辑于 2025-06-11 - 来自专栏图与推荐
IJCAI 2020 | 2 篇 基于会话推荐 相关论文
本文介绍 IJCAI 2020 中 2 篇基于会话推荐的论文。分别为： 基于会话推荐的协同自注意力网络 基于增量式会话推荐的记忆增广神经模型 1. （2）它们假设项目的表示是静态的，并且在每个时间步对所有用户是固定的。 文章认为，即使是相同的项目，也可以在相同的时间步长上为不同的用户提供不同的表示。 粗体表示最好的结果(越高越好)，次好的用下划线表示 2. 更重要的是，文章提出了一种称为记忆增强神经模型（Memory Augmented Neural model，MAN）的通用框架。 MAN 使用不断查询和更新的非参数记忆来扩充基本神经推荐系统，并通过另一个轻量级门控网络将来自神经和记忆组件的预测组合在一起。
66920发布于 2020-08-10 - 来自专栏叶子陪你玩编程
python连连看与记忆翻牌游戏（2）
上篇python连连看与记忆翻牌游戏（1）讲了连连看的核心判断实现。（最后的remove边界判断有点问题，没有先判断两者是否相等。 感谢@井老师提醒） 原来的： def remove(p1,p2): # p1 和 p2 都在边界，可以直接删除 if (p1[0] == p2[0]) and (p1[0]==0 or (array[0])-1): print('上下边界可以直接删除') 这里直接前面加一句判断是否是同一个点： def remove(p1,p2): if p1[0]==p2[0] and p1[1]==p2[1]: return False # p1 和 p2 都在边界，可以直接删除 if (p1[0] == p2[0]) and (p1[0]= self.on_update() if __name__ == '__main__': game = MyGame() game.run() 上面的代码改改，可以变成记忆翻牌的游戏
1.9K20编辑于 2022-05-22 - 来自专栏不止dotNET
iTerm2 会话管理以及其他常用设置
在《我在 Mac 中试过用的那些 shell 工具》中最后介绍 iTerm 的安装以及基本使用，但有一个很重要的功能没有介绍，那就是会话管理。 本文介绍 iTerm2 的会话管理以及一些其他配置。 会话管理 iTerm2 的会话管理没有那么直观，但功能很强大。下面介绍两种方式的会话：直连和跳板机 。 直连 1、在 .ssh 目录中创建文件 iterm2login.sh ，内容如下： #! 1、在 .ssh 目录中创建文件 iterm2login_inner.sh ，内容如下： #! Cmd + , ：打开 iTerm2 的偏好设置 Cmd + T ：新建一个标签页 Cmd + W ：关闭当前标签页 Cmd + Shift + [ ：切换到左侧的标签页 Cmd + Shift + ] ：切换到右侧的标签页 Cmd + 1 到 Cmd + 9 ：直接切换到特定编号的标签页 Cmd + N ：新建一个 iTerm2 窗口 Cmd + F ：在当前标签页中打开查找框 Cmd + K ：
2.8K10编辑于 2024-06-26 一虾多魂之跨agent自动记忆整理工作流
相较于单角色的记忆维护，多角色系统必然会产生更多的会话窗口并分散在各自不同的记忆保存区域中，如果单个去依次整理归档记忆，就成了重复级的繁琐操作。 由此我诞生了一个想法，自己搭建一套自动定时执行的跨agent跨工作区的记忆整理归档工作流。 正好这两天碰上Anthropic的乌龙CC代码泄露事件，很多大佬拆解其底层逻辑，其中有一个关于结构化会话记忆“ClaudeCode为每次对话维护一个结构化Markdown文件，包含会话标题、当前状态、任务规格 token的需求跨Agent记忆整理工作流说明每天晚上23:45，系统会自动：扫描多个Agent的今日会话提取有价值内容评分筛选高质量内容写入每日摘要+增量精华（长记忆沉淀）推送QQ简报给我目标是无需人工干预 坑2：OpenID大小写敏感QQBot的投递地址必须用大写OpenID，小写会导致发送失败。这个坑调试了半小时。
38310编辑于 2026-04-03- 来自专栏开源服务指南
跨平台同步 Shell 历史记录，无缝切换会话 | 开源日报 No.154
其主要功能和核心优势包括： 重新绑定 ctrl-r 和 up (可配置) 到全屏历史搜索界面 将 shell 历史存储在 sqlite 数据库中 备份并同步加密的 shell 历史 在不同终端、会话和机器之间保持相同的历史记录 记录退出代码、当前工作目录、主机名、会话等信息以及命令执行时间等统计数据 除此之外，还支持通过云服务进行数据备份与恢复，并提供详尽而清晰易懂地文档说明。
68010编辑于 2024-01-15 - 来自专栏友儿
Yii2 跨域处理
'class' => Cors::className(), 'cors' => [ 'Origin' => [],//跨域的域名数组
69610编辑于 2022-09-09 - 来自专栏杨建荣的学习笔记
Oracle 12cR2中的ADG会话保留特性
Oracle 12cR2中有一个不错的特性，那就是Active Data Guard会话保留，原本的叫法是Preserving Active Data Guard Application Connections 怎么理解呢，比如在Active Data Guard上的连接会话，在switchover的过程中会话连接会始终保持不会中断。 到底怎么样呢，我们来简单测试一下，先看看默认情况下的ADG会话情况,切换的过程就直接使用DG Broker来做了，快。 这是一个12cR2的环境，也使用了Far Sync。 string NONE 我们设置为ALL,这个修改需要重启备库，我们设置好之后，再来做switchover 步骤和上面的类似，我们直接来看看效果，始终在这一个会话内查看数据查询的情况
1K50发布于 2018-03-21 - 来自专栏Windows技术交流
Server系统默认2个rdp会话，可以配多用户多会话，RDP CAL建议找微软购买
Windows Server默认最多2个会话且默认单用户单会话，比如有5个用户，最多只能有2个不同的用户建立的RDP会话同时存在，如果是同一个用户要开2个会话同时存在，得禁止单会话，在组策略配置，参考https 另外，再扩展下PC系统的远程会话默认情况，PC系统一直是默认多用户单会话，即不论你有几个用户，任何时候只能有一个远程会话存在，比如有AdminUserA和AdminUserB两个用户，A远程了，B就远程不了 ，B远程了，A就远程不了，这就是多用户单会话。 比如下面这个办法，就能搞定PC系统多用户、多会话。 （注意，对单个用户来说，还是不能多会话，但在系统层面，以前不论多少个用户，整个系统总共只能有一个会话，现在每个用户都可以有一个会话了） 改造前：先用Administrator远程上，然后用testuser1
2.6K20编辑于 2023-09-15 - 来自专栏脑电信号科研科普
老年人θ-γ跨频率耦合与工作记忆表现之间的纵向关系
不同频率之间的振荡耦合被称之为跨频率耦合（CFC），相振幅耦合（PAC）就是是CFC的一种常见形式，它指的是高频振荡的振幅被低频振荡的相位调制的一种现象。 最后作为补充分析，研究者还探索了1-back和2-back条件下d'的变化与1-back和2-backs MI变化之间的关系。 在第二个模型中，时间点（基线、T1和T2）被列为重复测量因素。最后作为补充分析，研究者还探索了1-back和2-back条件下d'的变化与1-back和2-backs MI变化之间的关系。 对于TGC来说，3-back d’的改变与3-back MI的改变显著相关，TGC的增加与更好的工作记忆表现相关(B = 0.74, P < 0.001; 95% CI [0.43, 1.04]，见表2 讨论本研究有两项主要发现：（1）在控制组与MDD缓解被试中，工作记忆表现的纵向变化均与他们的TGC的纵向变化相关；（2）在无精神病症状老年人（控制组被试）中存在工作记忆表现与额叶θ ERS、枕叶α ERS
87940编辑于 2022-09-15 - html2canvas来自专栏IT杂症
html2canvas图片跨域
H1d1jwBqG4QzZf8kHtJ5LLer7bCvBJ1aDbOFrFuhCibQTlhhDNicxjWXXRbGN49jUiaicmDrc1icGp7YdENUvicogsf4wIHrDOcAV7/132">
1.5K10发布于 2021-11-08
Linux使用笔记2-screen的妙用（保留端口会话）
会话期（session）：一个或多个进程组的集合，有唯一一个会话期首进程（session leader）。会话期ID为首进程的ID。 会话期可以有一个单独的控制终端（controlling terminal）。与控制终端连接的会话期首进程叫做控制进程（controllin g process）。当前与终端交互的进程称为前台进程组。 当终端接口检测到网络连接断开，将挂断信号发送给控制进程（会话期首进程）。 如果会话期首进程终止，则该信号发送到该会话期前台进程组。 因此当网络断开或终端窗口关闭后，控制进程收到SIGHUP信号退出，会导致该会话期内其他进程退出。 apt-get install screen screen的使用 screen的使用特别简单： 1、新建一个screen 直接screen或者screen -S XXX（XXX是你为这个screen指定的名字） 2、
Llama架构比不上GPT2？神奇token提升10倍记忆？
作者重点研究了基于 GPT2、LlaMA、Mistral 的语言模型架构，其中 GPT2 采用了更新的 Rotary Position Embedding (RoPE) 技术。 如果训练时间充足，作者发现，不论使用何种模型架构，GPT2 或 LlaMA/Mistral，模型的存储效率均可以达到 2bit/param—— 即平均每个模型参数可以存储 2 比特的信息。 图 2：训练时间不足情况下的 scaling laws 然而，当我们观察训练时间不足的情况时，模型间的差异就显现出来了。 如上图 2 所示，在这种情况下，GPT2 模型能比 LlaMA/Mistral 存储超过 30% 的知识，这意味着几年前的模型在某些方面超越了今天的模型。为什么会这样？ 这意味着，LLM 可以达到「信息论极限」的 1/4—— 因为 int8 参数只有 8 比特，但平均每个参数可以存储 2 比特的知识。
《对话记忆的进化史：智能体大模型如何实现跨轮次的深度交互》
人类的记忆有工作记忆、短期记忆和长期记忆之分，不同层次的记忆各司其职又相互协作。智能体大模型借鉴这一机制，构建分层记忆架构。 在智能体内部，通过MemoryBank、记忆变量、记忆片段等精巧设计实现长期记忆功能。MemoryBank就像是一个记忆容器，统一管理各类记忆信息。 记忆变量以键值对的形式存在，比如“用户偏好=古典音乐”，可以精准记录用户关键信息。记忆片段则是一段完整的对话或事件信息记录。 在多用户、多场景应用中，为了保障信息安全和准确性，智能体采用隔离设计，不同用户的记忆相互独立，不同应用场景的记忆也不会混淆。 例如，在跨语言多轮对话中，更好地融合语言信息与文化背景知识，让长期记忆不仅能理解文字表面意思，还能深入挖掘背后的文化内涵，实现真正无国界的智能交互。
OpenClaw 会话管理：4 种隔离模式 + 1 套修剪机制，让 AI Agent 从记忆混乱到多用户安全
Session 核心概念：AI Agent 的记忆中枢 会话定义 OpenClaw 将每个 Agent 的直接聊天会话视为核心单元。 会话是 Agent 记忆的载体，承载着对话历史、上下文状态和令牌计数等关键信息。 直接聊天会话的键格式为： agent:<agentId>:<mainKey> 默认 mainKey 为 main。 session: { reset: { daily: "04:00", idleMinutes: 60, // 空闲 60 分钟后重置 }, }, } 图 2： 会话生命周期状态机 2. 其他来源的键映射 来源类型 键格式 Cron jobs cron:<job.id> Webhooks hook:<uuid> Node runs node-<nodeId> identityLinks 跨频道映射
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号