AI遗忘前序对话说明上下文记忆未激活，需五步解决：一调大contextWindow与maxRounds、启用summary压缩；二开启本地持续记忆；三高频重复同类指令固化锚点；四手动插入主题锚点并复用；五维护MEMORY.md结构化长期记忆。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用QClaw过程中发现AI频繁遗忘前序对话内容，例如追问“刚才提到的文件路径是什么”时无法响应，说明多轮对话上下文记忆未被正确激活或配置。以下是实现稳定上下文保持的具体操作路径：
一、调整OpenClaw核心配置中的上下文窗口参数
该设置直接影响模型可读取的历史消息长度，是长上下文记忆的基础支撑。需确保参数与所用模型真实能力匹配，避免因超限导致自动截断。
1、打开QClaw安装目录下的~/.openclaw/openclaw.json配置文件。
2、定位到qwen或对应模型的models数组项内。
3、将contextWindow值设为不超过模型实际支持上限（千问3.5-9B建议设为28672）。
4、将messageHistory.maxRounds设为20，启用轮次控制机制。
5、将messageHistory.compression设为"summary"，启用智能摘要压缩策略。
二、启用并验证本地持续记忆功能
QClaw所有记忆行为均基于本地部署完成，不上传任何数据至云端。该功能是会话锚点与长期记忆生效的前提，必须确认其处于激活状态。
1、启动QClaw客户端，在主界面右上角点击齿轮图标进入【设置】。
2、切换至【隐私与安全】选项卡。
3、检查“启用持续记忆”开关是否为开启状态。
4、若处于关闭状态，请手动开启，并确认下方提示显示：“记忆数据仅存储于本机，重启后仍保留”。
三、通过高频交互固化会话锚点
QClaw不会被动记录全部操作，而是依赖语义重复与指令模式固化自动提取关键锚点。该机制专用于捕获工作路径、命名习惯、工具组合等结构化偏好。
OpenClaw 技能 — 给定一个 GitHub 仓库 URL，自动解析出 owner/repo 名称，发现其中的 YAML/properties 配置文件及其配对的中文字段说明；在 `workspace/{repo}/` 目录下按同步日期（格式为 `YYYY-MM-DD`）创建时间戳子目录；写入 `.openclaw-config-state.json` 状态文件。每次用户提问前，先比对远程仓库当前 ref（如 `main` 或 `master`）的最新提交 SHA 与本地状态文件中记录的 SHA：
1、连续3次以上使用相同自然语言结构发起同类任务，例如：“把桌面的日报发到飞书‘运营组’”。
2、在微信中发送含明确偏好词的指令，如：“以后Excel表格都用微软雅黑10号字”，随后立即执行一次格式调整操作。
3、对同一类文件（如以“周报_”开头的Word文档）连续执行打开→编辑→保存动作，系统将自动关联该前缀与操作链。
四、手动注入主题锚点与结构化指令
长对话中缺乏持续的主题标记会导致模型注意力分散。通过在关键节点插入显式锚点语句，可强制模型识别并维持当前任务焦点。
1、在首轮任务指令末尾添加主题标识，例如：“【主题锚点：周报生成流程】请从~/projects/weekly目录提取所有Markdown会议纪要。”
2、后续追问中复用该锚点，例如：“【接续主题锚点：周报生成流程】将上述提取内容按技术决策、待办事项、风险项三类分段输出。”
3、当插入无关对话后，再次切入原任务时，须重申锚点并引用前序结论，例如：“【重载主题锚点：周报生成流程】，基于你刚整理的3项技术决策，补充对应负责人和截止日期。”
五、校验并同步MEMORY.md长期记忆文件
QClaw将跨周期关键信息（如项目里程碑、固定路径、常用API地址）持久化存储于MEMORY.md。该文件内容会被主动加载至每轮上下文，构成最稳定的记忆基底。
1、在QClaw工作空间中定位MEMORY.md文件路径（通常位于用户主目录/QClaw/MEMORY.md）。
2、手动编辑该文件，以清晰条目形式写入不可变规则，例如：- 飞书Webhook地址：https://open.feishu.cn/xxx。
3、确保每条规则以短横线+空格开头，且不含模糊代词（如“这个”“上述”）。
4、每次新增重要偏好后，向QClaw发送指令：“更新MEMORY.md，加入：[新规则原文]”。
