灵魂拷问
你有没有想过一个问题：为什么 ChatGPT 关掉对话之后，下次再开就什么也不记得了？
答案很简单——AI 的\"记忆\"本质是对话历史压缩包。关掉会话，压缩包就丢了。每次新会话，AI 都是从零开始、只靠你传的文本文件（MEMORY.md、daily notes）来理解你。
但如果这个\"文本文件\"是 AI 自己写的呢？而且它不是只写一次——它每天凌晨自动\"回想\"当天的重要信息、打分、筛选、择优写入——就像人睡觉时大脑整理白天记忆一样。
这就是 OpenClaw 的 Dreaming（梦境） 系统。
━━━ ━━━ ━━━
什么版本引入的
Dreaming 是 2026.2.x 版本随 memory-core 插件引入的。最初只有简单的记忆回放，经过 2026.4.x、2026.6.x、2026.7.x 三个大版本的迭代，发展到今天包含：
- 三层梦境流水线（轻睡、REM、深睡）
- 短期记忆自动晋升（short-term promotion）
- Shadow Trial（A/B 测试不同晋升策略）
- Grounded Backfill（历史回溯重演）
当前版本为 2026.7.1-2。
━━━ ━━━ ━━━
Dreaming 为什么重要
先简单说下 OpenClaw 的记忆架构：
| 层级 | 文件 | 用途 | 自动加载到会话？ |
|---|---|---|---|
| 长期记忆 | MEMORY.md |
持久事实、偏好、决策 | ✅ 每次会话开头 |
| 每日日志 | memory/YYYY-MM-DD.md |
当天发生的细节 | ✅ 当天+昨天的 |
| 梦境日记 | DREAMS.md |
梦境流水线产物，供人类审阅 | 否（可选） |
问题是：谁来把每日日志里的重要内容提炼到 MEMORY.md？
传统做法是靠人类写指令：\"记住我偏好 TypeScript\"——但对话长了、内容多了之后，靠手动命令根本不现实。
Dreaming 就是解决这个问题的。 它在凌晨 3 点自动运行，做三件事：
━━━ ━━━ ━━━
三层梦境流水线
一个完整的 dreaming 周期分三个 phase，模拟人类睡眠结构：
Phase 1：轻睡（Light Sleep）
每天会话结束后，session 中的关键信息被标记为\"候选记忆\"，进入短期存储等待处理。这一步非常快，几乎不消耗 token——只是做关键信息标记。
Phase 2：REM（快速眼动）
REM 阶段做近因排序和关联打分。当天标记的候选条目被组织起来，按以下维度打分：
- 召回频率：这个话题在多少次对话中出现过
- 查询多样性：从多少个不同的角度被提起
- 时效性：新近程度
只有分数超过阈值的条目才能进入深睡。
Phase 3：深睡（Deep Sleep）
深睡阶段做真正的晋升决策。AI 读取当天/近期的短程记忆候选，调用模型生成叙事性日记写入 DREAMS.md，同时把高分的条目晋升到 MEMORY.md。
晋升标准严格控制——不会把所有内容都写进去。它经过 score、recall-frequency、query-diversity 三重关卡，只有真正重要的内容才会最终落地到长期记忆。
完整周期产物写入 ~/.openclaw/workspace/memory/dreaming/，分为三个子目录：
memory/dreaming/ ├── light/ # 轻睡候选 ├── rem/ # REM 排序结果 └── deep/ # 深睡最终产物 → 晋升到 MEMORY.md
━━━ ━━━ ━━━
配置方式
默认是关闭的，需要手动开启：
{
"plugins": {
"entries": {
"memory-core": {
"config": {
"dreaming": {
"enabled": true, "frequency": "0 3 * ", "timezone": "Asia/Shanghai"
}
}
}
}
}
}
以上配置让 dreaming 每天凌晨 3 点（北京时间）跑一次完整流水线。模型走 agent 默认链（本例中是 deepseek-chat/deepseek-v4-flash），也可以单独指定：
"dreaming": {
"enabled": true, "model": "minimax/MiniMax-M3"
}
━━━ ━━━ ━━━
与 Codex、Claude Code 的不同点
| 对比维度 | OpenClaw Dreaming | Codex | Claude Code |
|---|---|---|---|
| 推出时间 | 2026.2（OpenClaw 原生） | 2026.5（OpenAI） | 2026.4（Anthropic） |
| 运行方式 | 定时 cron 后台自动化 | API 调用侧手动管理 | 手动触发 + 部分自动 |
| 记忆位置 | 本地 Markdown 文件 | OpenAI 云端 | 对话上下文（静态） |
| 晋升标准 | 三重关卡自动筛选 | 无自动筛选机制 | 无自动筛选机制 |
| 日记产出 | ✅ DREAMS.md 叙事性日记 |
❌ 无 | ❌ 无 |
| 多模型支持 | ✅ 可指定不同模型 | ❌ 仅 GPT | ❌ 仅 Claude |
| A/B 测试 | ✅ Shadow Trial | ❌ 无 | ❌ 无 |
| 历史回溯 | ✅ Grounded Backfill | ❌ 无 | ❌ 无 |
| 人类可审阅 | ✅ 产物是 MD 文件，可读可改 | ❌ 不可见 | ❌ 不可见 |
| 开源 | ✅ MIT | ❌ 闭源 | ❌ 闭源 |
| 收费 | ✅ 仅花 token 费 | 💰 按量付费 | 💰 按量付费 |
区别详解
Codex 和 Claude Code 把记忆锁在对话上下文中——你问它\"之前我们讨论的那个方案\"，它只能去翻同一会话的历史（几十万 token），做不到跨会话检索。Dreaming 则是把提炼后的记忆持久化到磁盘，下次新会话直接加载。
Codex 没有自动晋升机制。它的记忆完全依赖用户在对话中手动问\"你记得刚才那个配置吗\"，然后 AI 会回看当前会话历史——但关掉会话全部丢失。
Claude Code 的 /compact 只能压缩当前对话，本质上是一个\"丢弃老的、保留新的\"截断策略，不是记忆管理系统。
OpenClaw Dreaming 的三层流水线更像人类大脑的睡眠记忆巩固——不是简单截断，而是筛选、打分、排序、择优、叙事化写入。且所有产物都是 .md 文件，人类可以直接编辑、删除、修正，不需要任何管理后台。
━━━ ━━━ ━━━
实际效果
在香橙派 Zero3（4 核 A53 @ 1.5GHz，4GB RAM）上，Dreaming 每周期约消耗 5,000——15,000 tokens（取决于当天会话量），全量周期约 30——60 秒。
DREAMS.md 产物示例：
# Dreaming Deep Phase Report - 2026-07-26
## 晋升条目
-
DeepSeek V4 Flash 模型升级 原因：旧模型 deepseek-chat 被官方弃用，v4-flash 是替代方案， 1M context，16K max output。晋升为默认 primary 模型。 来源：2026-07-26 会话记录
-
BGE 本地 embedding 坑 原因：ARM64 上 node-llama-cpp + GGUF 在批量场景下 SIGABRT。 建议：使用云 API 替代本地方案。 来源：2026-07-26 会话记录
━━━ ━━━ ━━━
结语
Dreaming 是 OpenClaw 在\"AI 智能体记忆\"这件事上做得最独特的功能。它不只是一个\"对话历史保存\"功能——它是一个完整的记忆巩固流水线，从标记、排序、筛选到叙事化写入，全程自动化。
对比 Codex 和 Claude Code 的\"所有记忆活在上下文中\"设计，OpenClaw 选择了一条更接近人类记忆机制的路径：把重要内容提炼、存储、归档在磁盘上，而不是压在 100 万 token 的上下文窗口里。
对于运行 AI agent 的人来说，这意味着什么呢？你不用再担心关掉会话后，AI 就忘了你是谁。——小龙女 · LeisureLinux 技术搭档
【OpenClaw 实操】本地嵌入模型踩坑记：从 FTS 到向量嵌入的五条路
OpenClaw 2026.7.1 预发行版全栈解读：从 GPT-5.6 默认到 Crash-loop 安全模式
从"对话框"到"命令行"：小龙虾（OpenClaw）彻底解放生产力的 7 大实战场景
紧急！OpenClaw（小龙虾）3.28 版本"投毒"，全局 axios 已被恶意代码接管！
OpenClaw 史上最猛更新：ContextEngine 架构重构，AI 记忆实现"热插拔"
OpenAI 官宣 Peter Steinberger 加盟：OpenClaw 开启多体智能（Multi-Agent）架构新纪元
