Hugo 博客
90%的玩家使用OpenClaw，都面临这样的问题：
龙虾还没赚钱，就先被Tokens烧到破产
开了月度订阅，一样用到平台限速
折腾memory半天，龙虾照样失忆
memory混乱，管理难度高
用了QMD检索系统，像没用一样，Tokens不降
被这些情况这么几次，谁还有心情去养龙虾？
很多人第一反应是：
模型不够强
上下文太小
工具不稳定
我花了三天时间把Openclaw与模型交互的机制做了全面拆解，终于发现了失忆，燃烧Tokens的罪魁祸首！
真正的问题，其实是 Memory 写错了。
这篇我给你一套“自动化运行”的Memory结构：不失忆、Token稳定、QMD真正省钱。
我的OpenClaw不再失忆，Tokens消耗暴降88% 先看结果：
假设你的项目对话历史累计 50,000 Token：
全量历史模式：每轮消耗 50,000，10 轮就是 500,000
QMD 检索模式：即时窗口 5,000 + 检索召回 1,000 = 每轮 6,000，10 轮只要 60,000
（召回Top3-5条片段，而不是把过去所有对话整段塞回去） 节省 88%，保守一点，我们按照节省 75%算，足足节省 4 倍。
你的对话越长，优势就越大，10 轮对话省 88%，100 轮对话省 95%+。全量模式到后面直接爆表，QMD 模式永远稳在 8-10k。 （不同模型/配置会有浮动，但趋势是确定的：对话越长，QMD优势越大。） 第一部分：为什么 OpenClaw 会失忆、烧钱？ 99%的人把memory用错了，所以OpenClaw失忆又烧钱！
常见误区 把所有内容堆到 MEMORY，臃肿且失忆
我最近把自己的 OpenClaw 运行机制拆解了一遍，核心结论是：
不要再把“人格、用户画像、技能目录、执行规则、日常流水”全堆在一个 MEMORY 文件里。
这样看起来像在“喂知识”，实际是在制造噪音。 第二部分：养龙虾的关键，就是养好配置文档 一、写对配置文件，模型才能不失忆 1、先纠偏：OpenClaw 不是“单记忆体”，而是分层系统 OpenClaw与模型交互机制更像一个8层操作系统，当你发出指令，OpenClaw会把以下结构发给模型：
系统规则层（System-owned）：工具权限、安全边界、调用规则、回复格式等 运行时注入层（System-owned）：当前任务目标、环境变量、运行状态（由系统临时注入） 会话上下文层**（Thread history）**：当前聊天与线程历史 人格层：SOUL.md 用户画像层：USER.md 长期记忆层：MEMORY.md（高价值、低噪音） 日常事件层：memory/YYYY-MM-DD.md 执行规则层：TOOLS.md（硬规则） 你可维护的核心文件及写入什么内容（重点） SOUL.md（人格原则） 写：风格、原则、边界、做事方式 不写：项目细节、临时任务、工具参数 USER.md（你的画像偏好） 写：你的长期目标、沟通偏好、写作规则 不写：每日流水、一次性事件 MEMORY.md（长期高价值记忆） 写：长期有效的偏好/决策/稳定规则（高价值、低噪音） 不写：技能目录、长日志、临时讨论 memory/YYYY-MM-DD.md（日常流水） 写：当天发生了什么、决定了什么、待办是什么 不怕脏，但要结构化（DECISION/PREF/TODO标签） TOOLS.md（执行硬规则） 写：执行硬规则（路径、默认profile、Skill路由触发规则等） 不写：价值观、长解释 AGENTS.md（流程治理与边界） 治理制度（如何维护记忆、何时确认风险动作等） 不写：重复的执行参数 明白了模型交互的机制，就知道，模型第一时间去对应的文件中找相关的规则，而不是去MEMORY去找，如果你所有内容对在MEMORY，模型一定是失忆的！
