AI agent 好不好用，很大程度上取决于一件你看不见的事：上下文管理。对话历史、工具调用的结果、外部知识——这些东西怎么塞进模型那个有限的窗口，决定了 agent 是真能帮上忙，还是一本正经地胡说八道。在 OpenClaw 2026.3.7 之前，这套逻辑是写死在核心里的。现在，它是一个插件。
原来有什么问题
OpenClaw 之前用的是滑动窗口压缩：对话太长了，就把旧消息摘要一下，给新消息让路。能跑，但很多人不满意：
- •压缩必然丢信息。写代码的 agent 要引用 50 轮前写的函数？摘要里早就没了。
- •关了就忘。会话一结束，上下文清零。agent 没有跨会话的记忆。
- •想换策略没门。你想用 RAG、想做对话分支、想自己管 token 预算——没有正经的扩展口，只能 hack。
社区的解决办法五花八门：monkey-patch 内部模块、fork 核心代码、在外面套一层编排。折腾是折腾了，都不是长久之计。
ContextEngine：把上下文管理变成可替换的插件
2026.3.7 做了一件干脆的事：把上下文的整个生命周期抽成接口，开放为插件槽位（slot）。你写一个插件，实现这套接口，就能完全接管 agent 的上下文逻辑。
怎么接入
插件通过 API 注册自己的 ContextEngine：
// In your plugin's bootstrap
export default function myContextPlugin(api: PluginAPI) {
api.registerContextEngine('my-engine', (config) => {
return new MyCustomContextEngine(config);
});
}
用户在配置里选一下就行：
plugins:
slots:
contextEngine: my-engine
什么都不配？照常用。OpenClaw 会套上 LegacyContextEngine，滑动窗口该怎么跑还怎么跑，老用户完全无感。
七个钩子，管住上下文的一生
ContextEngine 接口给了你七个钩子，从引擎启动到子 agent 收工，每个关键节点都能插手：
1. `bootstrap()`
引擎初始化时跑一次。连数据库、建图结构、加载上次存下来的状态，都在这儿干。
async bootstrap(): Promise<void> {
this.vectorStore = await connectToVectorDB(this.config.dbUrl);
this.sessionGraph = new DAG();
}
2. `ingest(message: Message)`
每来一条新消息就触发——不管是用户说的、agent 回的、还是工具吐出来的。你在这里决定怎么存、怎么建索引。
async ingest(message: Message): Promise<void> {
// Add to the DAG
const node = this.sessionGraph.addNode(message);
// Index for retrieval
const embedding = await embed(message.content);
await this.vectorStore.upsert(node.id, embedding, message);
}
3. `assemble(budget: TokenBudget): AssembledContext`
最核心的一个。每次要调模型之前，OpenClaw 会带着 token 预算来问你：给我组装上下文。你返回什么，模型就看到什么。
不同的引擎在这里可以玩出完全不同的花样：
async assemble(budget: TokenBudget): AssembledContext {
const recentMessages = this.sessionGraph.getRecent(budget.soft * 0.6);
const relevantHistory = await this.vectorStore.query(
this.currentQuery,
budget.soft * 0.3
);
const systemContext = this.buildSystemPrompt(budget.soft * 0.1);
return {
system: systemContext,
messages: [...relevantHistory, ...recentMessages],
tokenEstimate: this.estimateTokens([systemContext, ...relevantHistory, ...recentMessages]),
};
}
4. `compact()`
上下文撑破硬上限了，OpenClaw 喊你来瘦身。默认引擎会摘要旧消息；你的插件可以砍掉图里不相关的节点，可以往向量库里挪，也可以什么都不做——如果你在 assemble() 里就已经控制住了。
5. `afterTurn(turn: Turn)`
一轮对话结束（用户说完、agent 答完）。存个状态、写个持久化、跑个后台索引，都适合放这儿。
6. `prepareSubagentSpawn(parentContext: Context): SubagentContext`
agent 要派子 agent 出去干活了。给多少上下文？全给会撑爆 token，不给又两眼一抹黑。这个钩子让你精确控制子 agent 带走哪些信息。
prepareSubagentSpawn(parentContext: Context): SubagentContext {
// Give the subagent a focused slice of context
const relevantNodes = this.sessionGraph.getSubtree(parentContext.taskId);
return {
messages: relevantNodes.map(n => n.message),
metadata: { parentSessionId: this.sessionId },
};
}
7. `onSubagentEnded(result: SubagentResult)`
子 agent 干完活回来了。它带回来的结果怎么合进父级上下文？全收、摘要、还是挑着要？你说了算。
架构细节：slot 不是 hook
ContextEngine 在插件体系里是个槽位，不是钩子。区别在哪？钩子是叠加的，十个插件可以同时监听 onMessage；槽位是排他的，同一时间只能有一个 ContextEngine 在跑。
┌─────────────────────────────────────┐
│ Plugin Registry │
│ │
│ Hooks（可叠加）: │
│ onMessage → [plugin1, plugin2] │
│ onTool → [plugin3] │
│ │
│ Slots（只能选一个）: │
│ contextEngine → my-engine │
│ (默认: LegacyContextEngine) │
└─────────────────────────────────────┘
启动时 OpenClaw 读 plugins.slots.contextEngine 的配置值，找到对应的工厂方法，实例化。找不到？直接报错退出，不会偷偷回退到默认引擎——这是个明确的设计选择，避免你以为在用自定义引擎其实跑的是默认的。
子 agent 之间的隔离靠 AsyncLocalStorage：每个子 agent 有自己的运行时作用域，插件状态不会串台。
已经有人在用了
Lossless-Claw
GitHub · Martian Engineering 出品
第一个有分量的 ContextEngine 插件。用基于 DAG 的摘要系统替掉了滑动窗口，做到了在 token 上限内保留每一条原始消息。
- •每条消息变成有向无环图里的一个节点
- •按话题相关性自动分组成"片段"
- •预算超了，旧片段会被摘要——但原始消息还留在图里
- •后面如果又聊到了旧内容，引擎直接取回原文，不用将就摘要
写代码的人应该能体会：100 轮前定义的函数，突然又要用了，滑动窗口早就把它压没了，Lossless-Claw 还能翻出来。
MemOS Cloud Plugin
GitHub · MemTensor 出品
一个很轻的插件，就干一件事：让 agent 记住你。
- •启动时从 MemOS Cloud 召回跟当前话题相关的记忆
- •每轮对话结束后把新内容存回去
- •组装上下文时把记忆注入进来
效果就是：上周聊过的事、你的偏好、你正在做的项目——agent 都记得，不用你每次重复交代。
接下来会冒出什么
翻翻 GitHub issue 和 Discord，社区已经在搞这些：
- •RAG 原生组装：不再拼消息历史，直接用检索到的文档片段组装上下文。OpenClaw 秒变对话式搜索引擎。
- •多 agent 共享记忆：几个 agent 共用一张知识图谱，协作干活时不用重复同步信息。
- •Token 预算自动调配：根据你用的模型贵不贵、快不快，动态调整上下文怎么分配。
- •对话分支：树状结构，一条对话岔出去探索不同方向，随时切回来，历史不丢。
这件事为什么重要
OpenClaw 之前能加渠道、加模型、加工具，但上下文这一层——说白了就是 agent 的"脑子怎么运转"——一直是个碰不得的黑盒。
ContextEngine 把这个盒子撬开了。往后的事情会一环扣一环：
- 1.插件开发者终于能在 agent 体验里最难也最值钱的地方发力了——上下文质量。
- 2.企业用户可以做合规：数据到模型之前先脱敏、留存策略强制执行、每个 prompt 输入了什么全程可审计。
- 3.研究者验证新的上下文策略，再也不用 fork 整个项目。
- 4.模型厂商可以出官方插件，针对自家架构优化上下文组装——长窗口模型和短窗口模型，策略本来就该不一样。
这就是从框架变成平台的样子。不靠改名，不靠发公告，靠的是一个实实在在的架构改动，让生态开始自己转起来。插件越多 → 用户越多 → 开发者越多 → 插件更多。飞轮一旦转起来，就很难停下了。
龙虾又长出了一只新钳子。