🧠 Context Engine 上下文引擎

核心概念 记忆系统 OpenClaw

📖 什么是 Context Engine？

Context Engine（上下文引擎）是 AI Agent 的记忆管理核心。它负责收集、组织、压缩和检索上下文信息，确保 Agent 在每轮对话中都能"记得"之前发生过什么。

⚙️ 工作原理

1. 上下文窗口（Context Window）

每个 LLM 都有一个"上下文窗口"，就像一个固定大小的缓冲区：

2. 上下文压缩策略

用户: 我想了解 Python 的列表操作
AI: Python 列表支持 append, extend, insert, remove, pop...
用户: 那字典呢？
AI: Python 字典是键值对集合，支持 get, keys, values, items...
用户: 好的，那集合呢？
AI: Python 集合是无序不重复元素集，支持 add, remove, union...（后面还有 50 轮对话）

[摘要] 用户询问了 Python 数据结构（列表、字典、集合），讨论了常用方法。
[最近对话] 用户: 那元组和列表有什么区别？

3. RAG 增强

Context Engine 通常结合 RAG（检索增强生成）技术，从外部知识库中检索相关内容：

用户查询: "如何配置 OpenClaw 的定时任务？"
      ↓
检索向量数据库 → 找到 3 个相关文档片段
      ↓
拼接到上下文: "根据文档: OpenClaw 支持 cron 表达式..."
      ↓
LLM 基于增强上下文回答

🔧 OpenClaw 实战应用

OpenClaw Context Engine 架构

OpenClaw 内置了强大的上下文引擎，支持多种上下文管理策略：

# openclaw.yaml
context:
  # 上下文窗口管理
  max_tokens: 128000
  
  # 压缩策略
  compression:
    enabled: true
    strategy: "sliding_window"  # sliding_window | summary | hybrid
    keep_recent: 10  # 保留最近 10 轮对话
    
  # RAG 检索增强
  rag:
    enabled: true
    top_k: 5
    similarity_threshold: 0.7
    
  # 长期记忆
  memory:
    enabled: true
    provider: "tdai"  # 支持 tdai, redis, postgres
    ttl: 2592000  # 30 天

代码示例：自定义上下文处理

// OpenClaw Skills 中的上下文处理
const { context } = require('openclaw');

async function handleUserQuery(userInput) {
    // 1. 获取当前上下文
    const currentContext = await context.get();
    
    // 2. 检索相关记忆
    const memories = await context.memory.search({
        query: userInput,
        limit: 5,
        threshold: 0.75
    });
    
    // 3. 构建增强上下文
    const enhancedContext = {
        messages: [
            ...currentContext.messages.slice(-10),  // 最近 10 轮
            ...memories.map(m => ({ 
                role: 'system', 
                content: `[记忆] ${m.content}` 
            })),
            { role: 'user', content: userInput }
        ]
    };
    
    // 4. 检查是否超限
    const tokenCount = context.countTokens(enhancedContext);
    if (tokenCount > 100000) {
        // 触发压缩
        await context.compress({
            strategy: 'summary',
            keepRecent: 5
        });
    }
    
    return enhancedContext;
}

⚡ 最佳实践

📊 Context Engine 对比

🔗 相关链接