跨会话任务记忆（Cross-Session Task Memory）

问题描述

前天下发任务，今天问 Agent 进展，Agent 对此一无所知。

根本原因：OpenClaw Agent 默认是无状态的。每个 Session 都是全新开始，跨 Session 的记忆需要显式管理。任务信息如果没有写入磁盘记忆文件，就只存在于当次 Session 的 transcript 里，Session 结束后对新 Session 不可见。

断层的五个环节

1. Agent 没有主动写入记忆

Agent 接受任务时，如果没有把”任务描述 + 开始时间 + 当前状态”写入 memory/YYYY-MM-DD.md 或 MEMORY.md，信息就只存在于 transcript。

2. Memory Flush 未触发

Compaction 前会有一个静默 turn 提醒 Agent 保存重要上下文，但只在对话接近 context limit 时才触发。短对话不会触发 Compaction，也就不会触发 flush。

3. Dreaming 默认关闭

即使 Agent 写了日记，Dreaming（把短期信号晋升到 MEMORY.md）默认关闭。前天的日记不会自动提升为长期记忆。

4. 日记文件加载窗口只有两天

memory/YYYY-MM-DD.md 只自动加载今天和昨天的文件。前天（两天前）的日记即使写了，也不会被注入新 Session 的上下文。

5. Commitments 默认关闭

Commitments 机制专门处理”说了要做某事、之后跟进”的场景，但默认关闭。即使开启，也只是通过 heartbeat 触发一次自然跟进，不是持续的任务状态追踪。

解决方案

方案 A：强制 Agent 写入 MEMORY.md（最简单）

下发任务时明确要求：

帮我做 XX 任务，并把任务状态记录到 MEMORY.md，包括：任务描述、开始时间、当前进展。

每次有进展时也要求更新：

更新 MEMORY.md 中 XX 任务的进展状态。

优点：立即生效，无需配置。缺点：依赖用户主动提醒，容易遗漏。

方案 B：开启 Dreaming + Active Memory（推荐）

{
  "plugins": {
    "entries": {
      "memory-core": {
        "config": {
          "dreaming": { "enabled": true }
        }
      },
      "active-memory": {
        "enabled": true,
        "config": {
          "enabled": true,
          "agents": ["main"],
          "queryMode": "recent"
        }
      }
    }
  }
}

Dreaming：每天凌晨 3 点自动把重要短期信号晋升到 MEMORY.md
Active Memory：每次对话前主动搜索相关记忆注入上下文，即使 Agent 没有主动搜索也能感知到任务状态

优点：自动化，减少人工干预。缺点：Dreaming 有评分门控，不保证所有任务信息都晋升；Active Memory 增加每次对话的延迟（最大 120s）。

方案 C：Sub-agent + Task Ledger（最可靠）

对于需要跨天追踪的长任务，用 sessions_spawn 派生后台 sub-agent 执行。任务状态持久化在 task ledger 里，不依赖记忆文件。

# 下发任务时
请用 sessions_spawn 派生一个后台任务来执行 XX，这样我可以随时查看进展。

查看任务状态：

openclaw tasks list                  # 列出所有后台任务
openclaw tasks show <runId>          # 查看具体任务状态
openclaw tasks show <taskName>       # 按名称查看（需设置 taskName 参数）

优点：任务状态完全持久化，不依赖记忆机制，最可靠。缺点：需要 Agent 支持 sessions_spawn 工具（coding/full profile 默认有，messaging profile 需手动添加）；任务完成后 ledger 会被清理。

方案 D：开启 Commitments（辅助）

openclaw config set commitments.enabled true
openclaw config set commitments.maxPerDay 5

开启后，Agent 接受任务时会自动推断”需要跟进”，通过 heartbeat 在适当时候主动回来汇报。

适用场景：任务周期短（当天或次日），需要 Agent 主动跟进。 不适用：长期任务状态追踪，或需要精确查询进展的场景。

方案对比

方案	可靠性	配置成本	适用场景
A. 强制写 MEMORY.md	中（依赖人工）	无	临时任务，不想改配置
B. Dreaming + Active Memory	中高	低	日常对话任务，希望自动化
C. Sub-agent + Task Ledger	高	中	长任务、需要精确状态追踪
D. Commitments	低（仅跟进提醒）	低	短期跟进，辅助使用

诊断命令

# 查看记忆文件是否有任务记录
openclaw memory search "任务关键词"
 
# 查看后台任务状态
openclaw tasks list
openclaw tasks list --status running
 
# 查看 Commitments 状态
openclaw commitments --all
 
# 查看 Dreaming 状态
openclaw memory status --deep

Wiki AI

目录