【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
aqi006 天前
15天学会AI应用开发(八)使用向量数据库实现RAG功能
人工智能·python·大模型·ai编程·ai应用
aqi007 天前
15天学会AI应用开发(七)有了大模型为什么还要引入RAG
人工智能·python·大模型·ai编程·ai应用
vivo互联网技术8 天前
CVPR 2026 | 全新强化学习框架 BeautyGRPO:重塑真实人像
算法·大模型·cvpr·影像
AndrewHZ9 天前
【LLM技术全景】大模型能力探秘:In-Context Learning与思维链(CoT)
人工智能·语言模型·大模型·llm·cot·思维链·icl
Vergelight9 天前
实战拆解|三类RAG架构差异:朴素、进阶、多轮RAG落地选型指南
架构·大模型·aigc·agent·ai产品经理·转行·ai后台设计
问道飞鱼10 天前
【大模型相关】意图识别实现方案行业分析报告
大模型·意图识别
DogDaoDao10 天前
【GitHub】CL4R1T4S:AI 系统提示词的透明革命
人工智能·python·ai·大模型·github·ai agent·cl4r1t4s
文艺倾年10 天前
【强化学习】数学推导专题,20W字总结(十五)
人工智能·分布式·大模型·强化学习·vibecoding
IRevers10 天前
【大模型】Gemma4在ROCm和vLLM部署
人工智能·pytorch·深度学习·大模型·datawhale·vllm·amdev
张彦峰ZYF10 天前
从嵌入、表征到潜空间:理解大模型向量世界的三种视角
人工智能·大模型·向量空间