openclaw_saveToken：给openclaw 省token的方法

OpenClaw（ClawdBot）目前最主流、省 token 的做法就是用 QMD 做本地混合检索（BM25 + 向量 + 重排序），取代把整个 MEMORY.md 或 memory/ 目录反复塞给大模型的笨办法。社区实测能省 70%–97% 的 token 消耗（视你的知识库大小和工作方式而定），尤其是长期使用后效果特别明显。

QMD 是什么？为什么能省 token？

QMD 是 Tobi（Shopify 创始人）开源的一个本地轻量混合搜索引擎，专为 Markdown 知识库设计，全部跑在你本地（Rust 实现，很快）：

• 不需要联网、不烧 API token
• 支持关键词（BM25）+ 语义向量 + LLM rerank 三合一
• 只返回最相关的几段，而不是整个文件或整个记忆
• OpenClaw 2026 年 2 月后的版本已经原生集成 QMD 作为可选 memory backend，叫它 “QMD Memory Plugin” 或直接叫 “QMD skill”

目前主流两种使用方式（选一种即可）

不管哪种方式，都要先安装 Bun（QMD 官方推荐的运行环境，超级快，比 npm/yarn 轻量） Linux / macOS：

curl -fsSL https://bun.sh/install | bash

安装完后，重新打开终端，或运行：

source ~/.bashrc   # 或 ~/.zshrc，根据你的 shell

验证：

bun --version

应该看到版本号（如 1.1.x 或更高）。

Windows：直接去 https://bun.sh 下载安装器，或用 PowerShell：

irm bun.sh/install.ps1 | iex

方式1：最简单 — 直接让 OpenClaw 自己装 QMD 并启用（推荐新手）

1. 先把 OpenClaw 更新到最新版（2026.2.x 之后基本都支持）

   # 在 OpenClaw 聊天框里直接说：
   Update yourself to the latest version
   

   或命令行里跑官方的 update 指令。

2. 让它自己安装 QMD 依赖（如果本地能跑 embedding 模型）

   请安装 QMD skill 的所有依赖，包括本地 embedding 模型
   

   （如果你的机器 GPU 弱或不想跑本地 embedding，可以只用 BM25 模式，也已经很省了）

3. 启用 QMD 作为记忆后端

   • 在聊天里直接指令：

     从现在开始使用 QMD 作为我的主要长期记忆检索方式
     不要再每次都加载整个 MEMORY.md
     只在必要时用 qmd search / qmd vsearch / qmd query 取相关片段
     

   • 或修改配置文件（~/.openclaw/openclaw.json 或 workspace 里的配置）：

     {
       "memory": {
         "backend": "qmd",
         "qmdCollections": ["memory", "life", "workspace"],
         "experimental": {
           "useQmdForSession": true
         }
       }
     }

4. 让它初始化索引（非常重要！）

   请对我的 memory/ 目录、life/ 目录运行 qmd update && qmd embed
   以后每天自动更新一次索引
   

之后 OpenClaw 就会自动用 qmd 来搜，而不是塞几万 token 上下文了。

方式2：更灵活 — 手动装 QMD + 自己配置 collections（进阶用户推荐）

1. 先在终端手动安装 QMD（https://github.com/tobi/qmd）

   # 用 bun / cargo / 官方推荐方式安装
   bun install -g @tobi/qmd
   # 或 cargo install qmd

2. 创建 collections（对应不同层记忆）

   # 日常记忆 / 每日日志
   qmd collection add ~/clawd/memory --name memory --mask '**/*.md'
   
   # 人生/长期事实（life/items.json 也可以加）
   qmd collection add ~/clawd/life --name life --mask '**/*.{md,json}'
   
   # 工作空间文档
   qmd collection add ~/clawd --name workspace --mask '**/*.md'
   
   # 可选：清洗过的历史会话
   qmd collection add ~/clawd/sessions-clean --name sessions-clean --mask '**/*.md'

3. 建索引 & embedding（第一次会慢，之后增量快）

   qmd update          # 全量更新
   qmd embed           # 生成向量（如果要语义搜索）
   # 建议放 crontab 每天凌晨跑一次：
   # 0 3 * * * cd ~/clawd && qmd update --pull && qmd embed

4. 教 OpenClaw 用 QMD（加到 skill 或自定义指令里）

   • 让 agent 记住这些指令：

     当你需要回忆/查找历史信息时，用以下命令：
     - qmd search "关键词" -c memory         # 关键词搜
     - qmd vsearch "自然语言描述" -c life    # 语义搜
     - qmd query "问题" -c memory,life       # 混合搜（最推荐）
     只读取返回的片段，不要加载整文件
     

快速省 token Check-list

• OpenClaw ≥ 2026.2.x
• 已启用 QMD backend（聊天里问 “现在用什么 memory backend？” 确认）
• 至少跑过一次 qmd update && qmd embed
• 告诉 agent：“以后用 qmd 搜索记忆，不要再塞整份 MEMORY.md”
• 观察 1–2 天，看 input token 是否明显下降（通常会腰斩甚至更多）

这样设置完，大部分人反馈长期使用能省 80%+ token，尤其是知识库越大越明显。