- משבר הזיכרון בסביבות עבודה ממושכות
- מנגנון החלון הזזה וגבולותיו
- תהליך הדחיסה והאובדן המובנה
- ארכיטקטורת Lossless Claw
- שלושת כלי ה-LCM
- התקנה ביצועית בפקודה אחת
- ניתוח עלות-תועלת
- מסקנות ויישום
משבר הזיכרון בסביבות עבודה ממושכות
OpenClaw מאבד הקשר באופן שיטתי אחרי 6-12 שעות של עבודה רצופה. הסימפטום: האגנט שואל שאלות זהות פעמיים, שוכח העדפות שהוגדרו בתחילת הסשן, ומחייב את המשתמש לשחזר הוראות שכבר נמסרו. זו לא תקלה אקראית. זה תוצר ישיר של מנגנון החלון הזזה (Sliding Window) שמוטמע בליבת המערכת.
המקור של הבעיה: OpenClaw משתמש בחלון הקשר (Context Window) מוגבל. גם אחרי שקלוד שדרגו ל-1 מיליון טוקנים (לעומת 200,000 בעבר), חלון זה מתמלא מהר בסשנים של פיתוח רציני. 750,000 מילים נשמע הרבה, אבל כשהאגנט קורא קבצים, מריץ פקודות, ומנהל מערכת שלמה במשך 18-24 שעות, הקיבולת הזו נגמרת.
התוצאה: המערכת מפעילה דחיסה (Compaction). היא מסכמת הודעות ישנות ומוחקת את המקור. לצמיתות. הפרטים הקטנים שמצטברים לחשיבות עסקית אמיתית נעלמים. ההעדפות שהגדרת, הדרך המדויקת שבה רצית שמשהו ייעשה, ההוראות הספציפיות שנתת בשעה 02:00 בלילה – הכל נמחק.
מנגנון החלון הזזה וגבולותיו
החלון הזזה עובד כך: כל הודעה שאתה שולח לאגנט מתווספת לרצף ההיסטוריה. כל תשובה שהאגנט מחזיר נכנסת לאותו רצף. זה מבנה ליניארי פשוט. הבעיה מתחילה כשהרצף הזה מגיע לגבול הקיבולת של המודל.
קלוד 3.5 Sonnet תומך כיום ב-200,000 טוקנים (גרסאות מסוימות עד 1 מיליון). טוקן זה בערך 0.75 מילים באנגלית. כלומר, חלון של 200K טוקנים מכיל בערך 150,000 מילים. נשמע עצום. אבל בפועל, בסשן של אוטומציה מורכבת, זה מתמלא תוך 6-8 שעות.
למה? כי האגנט לא רק כותב טקסט. הוא קורא קוד, מריץ פלטים של טרמינל, טוען קבצי תצורה, מנתח לוגים. כל פעולה כזו מוסיפה מאות או אלפי טוקנים להקשר. ככל שהפרויקט גדל, כך ההקשר מתנפח מהר יותר.
תהליך הדחיסה והאובדן המובנה
כשהחלון מתמלא, OpenClaw מפעיל מנגנון שנקרא Compaction. המערכת לוקחת את ההודעות הישנות ביותר, מייצרת סיכום שלהן, ומוחקת את המקור. הסיכום הזה נשאר בהקשר, אבל הפרטים המקוריים נעלמים.
זה נשמע הגיוני מבחינה טכנית. אבל בפועל, זה יוצר אובדן מידע קריטי. סיכום שומר עובדות כלליות. הוא לא שומר ניואנסים. הוא לא זוכר את הדרך המדויקת שבה ביקשת לארגן את הקוד. הוא לא שומר את ההעדפות הספציפיות שהגדרת לגבי מבנה הפלט.
והחלק הכי בעייתי: האגנט לא יודע שהוא איבד מידע. הוא ממשיך לעבוד כרגיל. אתה מרגיש שאתה משתגע, כי אתה זוכר שכבר אמרת לו משהו, אבל הוא שואל שוב. הוא לא משקר. הוא באמת לא זוכר.
הפתרון הזמני שמשתמשים רבים מיישמים: יצירת קבצי friction.md ו-preferences.md ידניים. אתה כותב בהם את כל ההעדפות וההוראות החוזרות, ומזכיר לאגנט לקרוא אותם. זה עובד, אבל זה לא אמור להיות כך. זו עקיפת בעיה, לא פתרון.
ארכיטקטורת Lossless Claw
Lossless Claw, שפותח על ידי Martian Engineering, משנה את הכללים. התוסף מבוסס על מאמר מחקרי בשם LCM (Lossless Context Management). הרעיון המרכזי: במקום למחוק הודעות ישנות, שמור אותן כולן במסד נתונים SQLite. כל הודעה שאי פעם שלחת, כל תשובה שהאגנט נתן – הכל נשמר.
אבל זה לא מספיק רק לשמור. אם תזרוק את כל ההיסטוריה בחזרה לחלון ההקשר, המערכת תקרוס. הפתרון: ארכיטקטורת DAG (Directed Acyclic Graph) היררכית. תחשוב על זה כמו עץ הפוך:
שכבה תחתונה: ההודעות המקוריות, הגולמיות, בלי סינון.
שכבה אמצעית: סיכומים של קבוצות הודעות.
שכבה עליונה: סיכומים של סיכומים – תמצית כללית של כל השיחה.
ככל שהשיחה מתארכת, העץ גדל כלפי מעלה. אבל כמות המידע שהאגנט צריך להחזיק בראש נשארת קבועה. והנקודה הקריטית: כל סיכום מקושר בחזרה להודעות המקוריות. אז כשהאגנט צריך פרט ספציפי, הוא יכול לחזור אחורה ולהוציא את המידע המדויק.
שלושת כלי ה-LCM
Lossless Claw מוסיף לאגנט שלושה כלים חדשים. הם הופכים את הזיכרון מפאסיבי לאקטיבי:
LCM_GP (Get Past): מנוע חיפוש להיסטוריית השיחה. האגנט יכול לחפש בכל הודעה שאי פעם נשלחה, גם אם היא עברה דחיסה לפני 10 שעות. אם אמרת משהו ספציפי בשעה 02:00 והעבודה נמשכת עד הצהריים, האגנט עדיין מוצא את זה. זה משנה את חוקי המשחק.
LCM_Describe: מציג תקציר של צומת סיכום מסוים. האגנט יכול להסתכל על קבוצת הודעות דחוסות ולהבין אילו נושאים כוסו, בלי לטעון את כל הטקסט הגולמי. זה חוסך טוקנים ומאיץ את התהליך.
LCM_Expand: הכלי הקריטי. כשהאגנט מוצא סיכום רלוונטי, הוא יכול להרחיב אותו. המערכת יורדת מהסיכום בחזרה להודעות המקוריות. האגנט מקבל את המילים המדויקות, את ההוראות הספציפיות, את כל הפרטים שאבדו בדחיסה הרגילה. אפס אובדן מידע.
התוצאה: האגנט עובר מזיכרון של דג זהב לזיכרון של פיל. הוא זוכר הכל. תמיד.
התקנה ביצועית בפקודה אחת
ההתקנה של Lossless Claw היא טריוויאלית. פקודה אחת בטרמינל:
openclaw plugins install @martian-engineering/lossless-claw
זהו. הפקודה מתקינה את התוסף, מפעילה אותו, ומגדירה את ה-Context Engine Slot. אולי תצטרך לאתחל את OpenClaw אחרי ההתקנה, אבל רוב התצורה מטופלת אוטומטית.
אם אתה רוצה לכוונן, יש כמה הגדרות:
Fresh Tail Count: כמה הודעות אחרונות נשארות גולמיות, בלי דחיסה. ברירת המחדל עובדת מצוין.
Context Threshold: באיזה אחוז מחלון ההקשר מופעלת הדחיסה. גם כאן, ברירת המחדל מאוזנת.
Incremental Max Depth: כמה רמות עומק יש לעץ הסיכומים. שוב, ברירת המחדל מספקת.
בפועל, אין צורך לגעת בפרמטרים האלה. ההגדרות הסטנדרטיות מספיקות לרוב המקרים. התוסף עובד מהקופסה.
ניתוח עלות-תועלת
היתרונות:
זיכרון מושלם: כל הודעה נשמרת. כל פרט ניתן לשחזור. אפס אובדן מידע.
חיפוש אקטיבי: האגנט יכול לאתר כל מידע מכל נקודה בהיסטוריה.
התקנה פשוטה: פקודה אחת. אין תלות מורכבת.
בסיס מחקרי: מבוסס על מאמר LCM מוכח, לא על האק אקראי.
החסרונות:
צריכת אחסון: מסד הנתונים SQLite גדל עם הזמן. בסשנים ארוכים על מכונה עם דיסק קטן, זה עלול להיות בעיה. על Mac Mini עם התקנה נקייה, אין בעיה. אבל על לפטופ ישן או מכשיר עם אחסון מוגבל, כדאי לעקוב אחרי הגודל.
עלייה בצריכת טוקנים: כל פעולת דחיסה מייצרת קריאות API נוספות ליצירת הסיכומים. המחיר עולה מעט. אבל התועלת שווה את זה.
מורכבות ארכיטקטונית: יותר חלקים נעים פירושו יותר נקודות כשל פוטנציאליות. עד כה, אין דיווחים על בעיות, אבל זה משהו לקחת בחשבון.
המסקנה: היתרונות גוברים על החסרונות בצורה משמעותית. העלות הכספית של טוקנים נוספים קטנה בהשוואה לעלות הזמן של חזרה על הוראות שוב ושוב.
מסקנות ויישום
אם אתה משתמש ב-OpenClaw לכל דבר רציני – פיתוח SaaS, אוטומציות של אגנטים, ניהול עסקי – התקן את Lossless Claw עכשיו. מערכת הזיכרון הסטנדרטית מספיקה לשיחות קצרות או לאוטומציה בודדת. אבל ברגע שאתה עובד על פרויקט אמיתי במשך שעות רבות, אתה מגיע לקיר הדחיסה.
פקודה אחת. האגנט שלך עובר מלשכוח הכל לזכור הכל. זה פשוט כל כך.
אם אתה בונה משהו עם AI וצריך ללמוד איך להשתמש בכלים האלה בפועל, זה בדיוק למה [email protected] קיימת. אנחנו מספקים הדרכה טכנית מעמיקה, ליווי אישי, וקהילה של בונים אמיתיים. לא רק לצפות בסרטונים – לבנות בפועל. אנחנו כאן כדי לעזור לך להתקין, להגדיר, ולהפעיל את המערכות האלה על המכונה שלך. ללא פלאפים. רק ביצוע.
