构建 OpenClaw 插件：会话历史记录器

本文摘要

详细介绍如何开发一个 OpenClaw 插件来实现会话历史记录功能。

OpenClaw 是一个强大的 AI agent 框架，支持自定义插件扩展功能。本文将介绍如何构建一个实用插件：会话历史记录器，将对话记录持久化到 SQLite，便于后续分析和搜索。

为什么需要这个插件？

默认情况下，AI agent 对话存在于内存中，最终会被压缩或丢失。为了调试、分析或知识提取，你需要持久化存储。会话记录器插件在压缩发生前捕获每条消息。

插件架构

OpenClaw 插件使用基于钩子的架构。我们需要的关键钩子：

// 注册钩子
api.on("before_compaction", async (event, ctx) => {
  // 压缩前保存所有记录
  await autoImport(event, ctx, "before_compaction");
});

api.on("after_compaction", async (event, ctx) => {
  // 导入压缩期间生成的新记录
  await autoImport(event, ctx, "after_compaction");
});

api.on("agent_end", async (event, ctx) => {
  // agent 结束时的最终捕获
  await autoImport(event, ctx, "agent_end");
});

增量导入策略

简单的方法是每次重新导入整个记录。相反，我们跟踪每个会话已导入的行数：

// 跟踪每个会话的已导入行数
const lineCounts = {};

function getImportedLines(db, sessionId) {
  if (!lineCounts[sessionId]) {
    const row = db.prepare(
      "SELECT COUNT(*) as cnt FROM transcript_entries WHERE session_id = ?"
    ).get(sessionId);
    lineCounts[sessionId] = row ? row.cnt : 0;
  }
  return lineCounts[sessionId];
}

这样，每次钩子调用只处理新条目——对于长时间运行的会话效率更高。

SQLite 表结构

简单但有效：

CREATE TABLE IF NOT EXISTS transcript_entries (
  id INTEGER PRIMARY KEY AUTOINCREMENT,
  session_id TEXT NOT NULL,
  role TEXT NOT NULL,
  kind TEXT DEFAULT "message",
  content TEXT,
  model TEXT,
  timestamp TEXT,
  created_at TEXT DEFAULT (datetime("now"))
);

CREATE INDEX IF NOT EXISTS idx_session_id
  ON transcript_entries(session_id);
CREATE INDEX IF NOT EXISTS idx_timestamp
  ON transcript_entries(timestamp);