短い答え
OpenClawは、各セッションがデフォルトで今日と昨日のデイリーノートとMEMORY.mdのみを読み込むため、以前の実行を忘れます。それより古いものは明示的に検索する必要があります。構造化された実行履歴がないと、エージェントは「2週間前にこのアプローチを試したが失敗した」と言うことができません。持続的な記憶レイヤーは、過去のすべての実行をエージェントが自動的に再利用できるクエリ可能な記録に変えます。
なぜOpenClawは以前の実行を忘れるのか
OpenClawのmemory documentationは、ロードモデルを明確に説明しています：今日と昨日のノートは自動的に読み込まれ、MEMORY.mdはすべてのDMセッションの開始時に読み込まれます。それより古いものはディスク上に存在しますが、エージェントが要求しない限りプロンプトには引き込まれません。
以前の実行を作業記憶から排除する3つの設計選択があります：
1. デフォルトのロードウィンドウは2日です。 3日前、先週、または先月のノートはファイルシステムに存在しますが、アクティブなプロンプトには含まれません。エージェントは、正しいクエリでmemory_searchを呼び出すことを思い出さない限り、それらを見ることはありません。
2. 実行は構造化されたエンティティではありません。 OpenClawは、日付ごとにデイリーノートを保存しますが、タスクや実行IDごとには保存しません。「10月の実行47を見せて」という検索はありません。過去の実行を再構築するには、エージェントは日付範囲を組み合わせ、正しいキーワードが浮かぶことを期待しなければなりません。
3. memory_searchは意味論的であり、歴史的ではありません。 ベクトル類似性とキーワードマッチングを組み合わせたハイブリッド検索は、埋め込みプロバイダーが設定されている場合に関連する過去のノートを引き出します。「JSONBパフォーマンスに関する情報を見つけてください」というのは得意ですが、「この顧客のデータに触れたすべての実行をリストアップしてください」というのは弱いです。
結果として、OpenClawは各セッションを孤立してよく記憶しますが、それらをうまく接続できません。各新しい実行は新鮮に始まり、以前のすべての情報に基づいていません。
OpenClawが以前の実行を忘れると何を失うのか
以前の実行の喪失は、エージェントが時間とともに賢くなるのを妨げる失敗モードです：
- 繰り返されるミス。 先月の失敗したアプローチが今月再試行されるのは、エージェントがどの行き止まりがすでに時間を浪費したかを自動的に思い出さないからです。
- 無駄な探索。 以前の実行で発見されたソリューションは再利用されません。エージェントは同じアプローチを再導出し、同じ推論に対して二重に支払います。
- 実行間のパターン認識がない。 多くの実行を通じてのみ可視化されるトレンド（この種のタスクは常にこの理由で失敗する）は決して表面化しません。なぜなら、単一のセッションが2日間の履歴以上を見ることはないからです。
Mem0のState of AI Agent Memory 2026レポートは、実行間学習を生産エージェントスタックにおける最大の未解決問題として特定しています。OpenClawの透明なファイルベースの記憶は、そのギャップについて正直です。それを埋めることはありません。
OpenClawの組み込みワークアラウンド
プロジェクトは、実行履歴に部分的に対処するツールを提供します。
MEMORY.mdを長期ストレージとして。 耐久性のある事実、好み、決定はMEMORY.mdに保存され、すべてのセッションで読み込まれます。安定した知識に役立ちます。過去の実行の構造化されたカタログを保持するためには設計されていません。
ノートディレクトリ全体でのmemory_search。 埋め込みプロバイダーを使用すると、エージェントは過去のすべてのデイリーノートを検索できます。回復の質は、エージェントが検索することを思い出すかどうか、そして正しいキーワードが思い浮かぶかどうかに依存します。
夢日記 (DREAMS.md)。 夢のスイープ要約と基盤となる歴史的なバックフィルのためのオプションのファイル。人間のレビューに役立ちます。プログラム的な実行インデックスではありません。
これらの機能により、OpenClawは市場で最も透明なエージェント記憶システムの1つとなっています。それでも、エージェントが振り返ることを思い出すことと、過去の実行が自由形式のテキスト検索で見つけられることに依存しています。
OpenClawの組み込み記憶が不足している点
構造的な問題は、OpenClawが履歴を日付で整理されたファイルとして保存するのではなく、タスクで整理された実行として保存することです。エージェントが反復、フィルタリング、または集約できる実行レベルの概念はありません。実行間学習には、ファイルベースの記憶が課さない構造が必要です。
個人の使用には、これは許容されます。各タスクが測定可能な結果を持つ離散ユニットである生産エージェントスタックには、実行をファーストクラスの記録として扱うシステムが必要です。
MemoryLakeがOpenClawの以前の実行を忘れる問題を解決する方法
MemoryLakeは、OpenClawのMarkdownファイルに加えて、実行を意識した記憶レイヤーを追加します。各実行には、エージェントがクエリ、比較、学習できる構造化された記録が与えられます。
- 構造化された実行履歴。 各OpenClawの実行は、開始時刻、終了時刻、タスクの説明、結果、プロジェクト内の完全なステップトレースを持つイベント記憶として保存されます。エージェントは「このようなタスクの最後の5つの実行とその結果を見せて」と1回の呼び出しで尋ねることができます。
- エージェント記憶のためのGitスタイルのバージョン管理。 各実行はプロジェクトの記憶ツリーのブランチです。実行間の変更を比較したり、成功した実行を新しい実行の出発点として再生したり、最近の変更が動作を壊した場合にロールバックしたりできます。
- 実行間の反映。 多くの実行を通じてのパターン（どのアプローチが機能し、どれが失敗し、どの入力が失敗を予測するか）は、エージェントが新しいセッションの開始時に読む反映記憶になります。同じ記憶は、REST、MCP、またはPython SDKを介して接続された任意のエージェントで機能します。
MemoryLakeは、LoCoMoの長文コンテキストベンチマークで94.03%を記録し、2026年時点での最高の公開結果であり、ミリ秒単位の取得とAES-256のエンドツーエンド暗号化を提供します。
MemoryLakeをOpenClawに接続する3つのステップ
- プロジェクトを作成し、コンテキストを読み込む。 MemoryLakeにサインインし、プロジェクト管理を開き、「プロジェクトを作成」をクリックし、「OpenClaw — 実行履歴」と名付けます。過去のMEMORY.mdファイルとデイリーノートをドキュメントドライブを通じてインポートし、既存の知識でプロジェクトをシードします。将来の実行が一貫してログされるように、記憶タブに実行スキーマ（タスクタイプ、入力、結果）を追加します。
- MCPサーバーエンドポイントを生成する。 プロジェクト内のMCPサーバータブを開き、「MCPサーバーを追加」をクリックし、「OpenClaw runs」と名付けて「生成」をクリックします。MemoryLakeはAPIキーID、シークレット、およびエンドポイントURLを返します。シークレットは一度だけ表示されるので、すぐにコピーしてください。
- OpenClawを接続する。 OpenClawのツールまたはサーバー設定でMemoryLakeをMCP互換の記憶プロバイダーとして追加するか、実行開始時に新しいイベント記憶を開き、実行終了時に閉じるカスタムスキルからREST APIを呼び出します。Python SDKは、複数のOpenClawエージェントを並行して実行する場合にクラスター単位の記憶操作をサポートします。