【LLM】Clawbot的memory记忆机制

note

文章目录

一、Clawbot的memory记忆机制

【Clawbot的memory记忆机制】设计理念以透明化(Markdown格式可编辑)、搜索优先(按需调取记忆)、持久化存储(关键信息落盘)、混合搜索(语义+关键词)为核心设计理念。核心机制7个。

1)上下文与记忆区分:上下文是单请求临时数据(含系统提示、对话历史等,受模型token限制),记忆是磁盘存储的持久化数据(Markdown文件+会话记录,无界且低成本)。

2)双层存储结构:Layer1为每日日志( memory/YYYY-MM-DD.md ,记录日常笔记),Layer2为长期记忆( MEMORY.md ,存储关键决策、偏好等)。

3)记忆读写工具:通过 memory_search (语义+关键词混合搜索)和 memory_get (读取指定内容)调取记忆,借助标准 write/edit 工具写入,支持手动编辑。

4)索引与搜索逻辑:文件变更后分块嵌入向量,存储于SQLite(含sqlite-vec和FTS5),搜索结果按70%语义得分+30%关键词得分加权计算。

5)多代理隔离:不同代理(如个人/工作)拥有独立工作区和索引,默认无跨代理记忆访问。

6)优化机制:通过压缩(会话超token限制时总结旧内容)、记忆刷新(压缩前保存关键信息)、修剪(清理旧工具输出)避免信息丢失和成本浪费。

7)会话生命周期:支持每日/闲置超时/混合模式重置,新会话可通过钩子保存历史上下文。

Reference

1\] https://manthanguptaa.in/posts/clawdbot_memory/

相关推荐
guslegend9 小时前
第5节:动态切片策略与重叠机制提升RAG召回率
人工智能·大模型·rag
熊猫钓鱼>_>9 小时前
从“流程固化“到“意图驱动“:大模型调智能体调Skill架构深度解析
ai·架构·大模型·llm·agent·skill·openclaw
前进的李工10 小时前
LangChain使用AI工具赋能:解锁大语言模型无限潜力
开发语言·人工智能·语言模型·langchain·大模型
FeelTouch Labs13 小时前
中国开源大模型三国杀:GLM-5、MiniMax-M2.1、Kimi-K2.5,谁才是技术选型的最优解?
开源·大模型
QC·Rex13 小时前
Spring Boot + Spring AI 实战:从零构建企业级 AI 应用
spring boot·大模型·向量数据库·rag·spring ai·tool calling
rising start13 小时前
Dify在Windows上的部署
大模型·agent·dify
竹之却13 小时前
【Agent-阿程】AI先锋杯·14天征文挑战第14期-第2天-大模型部署与优化实战
人工智能·ai·大模型·边缘计算·剪枝·优化·蒸馏
guslegend14 小时前
第4节:切片语义割裂怎么办?
人工智能·大模型·rag
最初的↘那颗心2 天前
Agent 实战:构建第一个 Agent 与记忆系统设计
java·大模型·agent·spring ai·记忆系统
最初的↘那颗心2 天前
Agent 核心原理:本质、ReAct 框架与工具设计最佳实践
大模型·agent·react·spring ai·工具设计