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 Excel.export_chart

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：

WorkBuddy Visio — Visio 兼容架构图生成器

使用 draw.io（.drawio 格式）和 SVG 生成兼容 Microsoft Visio 的架构图。当用户需要以下任一场景时触发： - 用于 Visio 或技术文档的架构/系统/网络图 - 带连接标注的分层控制系统图 - 将 draw.io XML 转换为稳定、可嵌入的 SVG - 修复 Visio 或 draw.io 无法打开的故障排查类图表 - 任何需专业级布局且文本可编辑的图表

下载

• 主记忆 自动提取并压缩每轮中的关键实体（如 文件路径、订单ID、时间范围），存为 ≤2048 Token 的摘要块，跨会话持久化
• 本地记忆 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 锚定记忆 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 LRU 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 Claw 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 实体继承 失效
• 未勾选 跨消息实体继承：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 上下文窗口长度 到 7 是起点，但必须配合 Claw 快照、锚定记忆 和精准的实体标注，才能稳住复杂任务的连续性。