WorkBuddy的记忆能力由上下文窗口长度和分层记忆机制共同决定，默认保留最近5轮、上限7轮；超长上下文会导致响应变慢、关键信息稀释和技能冲突；采用“压缩主记忆+按需加载本地记忆”双层结构，支持锚定记忆与Claw快照保障跨会话连续性。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
WorkBuddy 的多轮对话记忆能力不是固定轮数，而是由「上下文窗口长度」和「分层记忆机制」共同决定的；默认开启时仅保留最近 5 轮，但可手动调高到 7 轮——这已是多数办公任务（查数据→制图→写结论→润色）的实际安全上限。
为什么不能无限制拉长上下文窗口？
上下文窗口本质是模型每次推理能“看到”的文本量，WorkBuddy 默认使用本地轻量模型，过长的上下文会直接导致：
响应变慢：每多一轮对话，token 消耗非线性增长，7 轮后延迟明显升高
关键信息被稀释：超过 7 轮后，早期输入中的订单号、时间范围等实体容易被中间泛化描述覆盖
触发技能冲突：长上下文易让模型误判当前任务阶段，比如把“已导出图表”当成“尚未开始制图”，重复调用
怎么绕过单次窗口限制？用主记忆+本地记忆双层结构
WorkBuddy 实际采用的是“压缩主记忆 + 按需加载本地记忆”的设计，不是靠堆轮数硬撑：
自动提取并压缩每轮中的关键实体（如
、
、
），存为 ≤2048 Token 的摘要块，跨会话持久化
保存原始对话片段，单条上限 64K Token，但不自动载入上下文，需人工用
显式标记才生效
最多同时激活 5 个锚定点，总占用不超过 16K Token，超出后按
策略自动置换
哪些操作会让记忆“突然失效”？
不是模型忘了，而是上下文链被意外切断：
关闭并重启 WorkBuddy：未启用
技能时，主记忆不会自动恢复，所有上下文重置
切换对话线程：新开一个聊天窗口，哪怕同一账号，也等于新建一个记忆单元
混用不同模型：在 GLM-5.0 和 Kimi 模型间手动切换，会导致记忆摘要格式不兼容，部分
失效
未勾选
：即使开了上下文感知，订单号、客户名等也不会自动带入下一句
真正影响体验的从来不是“能记多少轮”，而是“哪些信息被识别为关键、是否跨会话存活、有没有被错误覆盖”。调高
到 7 是起点，但必须配合
快照、
和精准的实体标注，才能稳住复杂任务的连续性。
Excel.export_chart主记忆文件路径订单ID时间范围本地记忆锚定记忆LRUClaw实体继承跨消息实体继承上下文窗口长度Claw锚定记忆