技能介绍

问题从哪来

长对话里常见三类故障：上下文窗口被旧消息占满后，模型开始前后矛盾；错误结论被反复引用，形成「虚假记忆」；真正该留的信息没进 MEMORY.md，新会话又像从零开始。粗暴截断只会随机丢掉片段，既保不住当前任务相关的上下文，也清不掉过时的偏好。

技能在做什么

Wise Forgetting 的核心不是「全忘」，而是在记忆预算内保留评分最高的条目。典型流程是三步：评分（对每条记忆算综合分）、排序（按分数从高到低）、遗忘（超出预算或低于阈值的部分从活跃上下文中移除，重要内容仍可写入 MEMORY.md 持久化）。

评分通常由可调权重组成，例如：

semantic：与当前对话/任务的语义对齐
frequency：被访问或引用的频次
recency：信息的新近程度

可按场景切换策略，例如 strategy="budget" 硬性控制 token/条数上限，或 strategy="threshold" 只淘汰低于某分数的记忆。与 WorkBuddy/OpenClaw 集成时，常在 SOUL.md 里声明预算与权重，并在对话或工具调用后触发一次遗忘，避免记忆无限制增长。

适用边界与注意点

用户明确说「记住这个」、技能文档（SKILL.md）等结构化知识，应走持久化通道，不应与普通临时记忆同一套激进遗忘规则。
预算过小或 semantic 权重过低，会出现答非所问；recency 权重过低，会长期沿用已作废的配置（如旧版本号）。
遗忘只解决「活跃上下文里的取舍」，不能替代正确的 MEMORY 写入与归档；过度遗忘时的排查方向通常是调大 budget、提高 frequency 权重或改用 threshold 策略。

截图预览

使用场景

与 Agent 连续对话二十轮以上后，开始出现与早前结论矛盾的回答，需要在不新开会话的前提下清理低质量记忆。
在 WorkBuddy 里跑日常任务时，上下文经常触顶提示过长，希望用 token 预算只保留与当前任务相关的记忆条目。
昨天在对话里教过 Agent 一套固定流程，今天新会话又「不会了」，需要区分临时上下文遗忘与写入 MEMORY.md 的持久信息。
刚改完项目约定（如 Python 版本、分支策略），Agent 仍按旧信息给建议，需要提高时效权重并淘汰过期记忆。

适合人员

在 WorkBuddy/OpenClaw 上维护 SOUL.md，需要为生产环境 Agent 配置记忆预算与遗忘权重的平台工程师。
自研带工具调用的 Autonomous Agent，上下文窗口固定，必须为对话记忆设计评分与淘汰策略的后端开发者。
与 coding Agent 长时间结对排查问题，对话轮次多、易累积错误假设，需要控制虚假记忆的产品内测或 QA 同学。
负责 Agent 记忆分层（活跃上下文 vs MEMORY.md/技能文档），要调 semantic、frequency、recency 权重避免答非所问或过度失忆的 AI 应用维护者。