OpenClaw记忆系统

目录

OpenClaw记忆系统采用文件即真相的设计理念,以纯Markdown文件为核心存储,配合SQLite+向量数据库的混合索引,实现持久化、可检索、可管理的AI记忆能力 。核心是三层记忆架构与智能检索-召回机制,确保模型只"记住"写入磁盘的内容,无隐藏状态 。

一、核心设计理念

  • 文件即真相:所有记忆以明文Markdown存储于本地工作区,模型仅保留写入磁盘的内容,无隐藏数据库或黑盒状态
  • 检索优先:不盲目扩展上下文窗口,而是让AI主动搜索记忆,避免"lost in the middle"效应
  • 渐进式披露:先返回摘要,再按需获取完整内容,节省LLM tokens
  • 记忆主权:所有记忆文件存储于用户本地(默认 ~/.openclaw/workspace ),用户完全掌控

二、三层记忆架构

  1. 短期记忆(每日日志)- 路径: memory/YYYY-MM-DD.md ,仅追加文件
  • 内容:自动记录当天对话、决策、观察结果,按时间线组织

  • 加载策略:会话启动时加载当天+昨天的日志,保持近期上下文感知

  • 示例结构:

    2026-04-22

    Conversations

    • 10:30 用户询问OpenClaw记忆机制
    • 11:15 讨论Markdown存储优势
    [](https://openclaw-ai.online/concepts/memory/?f_link_type=f_linkinlinenote&flow_extra=eyJpbmxpbmVfZGlzcGxheV9wb3NpdGlvbiI6MCwiZG9jX3Bvc2l0aW9uIjowLCJkb2NfaWQiOiJmZWRjODIxZGQwNDZiMjAxLTdkZjIxM2ZjYmI3MmRlY2MifQ%3D%3D&inline_doc_id=fedc821dd046b201-7df213fcbb72decc) 复制代码
  1. 长期记忆(MEMORY.md)- 路径:工作区根目录下的 MEMORY.md
  • 内容:结构化整理的持久知识,包括用户偏好、关键决策、重要联系人、项目元数据等

  • 加载策略:仅在私人会话中加载,组会话不加载以保护隐私

  • 示例结构:

    长期记忆

    用户偏好

    • 编码语言:TypeScript > JavaScript
    • 沟通风格:简洁直接

    关键决策

    • 2026-04-01 决定采用OpenClaw构建个人AI助手
  1. 会话记忆(sessions目录)- 路径: sessions/ ,按会话ID组织的完整对话记录
  • 内容:原始对话历史,用于回溯完整上下文
  • 加载策略:按需加载,支持完整会话回放

三、存储与索引机制

  1. 基础存储层- 纯文本Markdown文件,人类可读可编辑,便于手动维护
  • 所有修改立即写入磁盘,确保断电不丢失数据
  1. 索引加速层- 每个Agent对应独立SQLite数据库: ~/.openclaw/memory/{agentid}.sqlite
  • 核心表结构:- files :记录文件元数据(路径、修改时间、大小)
  • chunks :文本分块存储,支持高效检索
  • embeddings :向量嵌入,支持语义搜索
  • 混合索引:BM25关键词搜索 + 向量嵌入语义搜索,兼顾精确匹配与语义关联

四、完整工作流程

  1. 记忆捕获(Auto-Capture)- 会话中:AI自动识别重要信息(如"记住这个"指令),实时写入对应Markdown文件
  • 会话后:插件自动提取决策、学习成果、用户偏好,更新长期记忆
  • 去重处理:避免重复存储相同信息,保持记忆库整洁
  1. 记忆索引- 内容变更时,自动更新SQLite数据库与向量嵌入
  • 文本分块策略:按语义分割,确保检索结果相关性
  • 标签系统:自动为记忆添加时间、主题、类型等标签,提升检索精度
  1. 记忆召回(Auto-Recall)- 每次AI响应前:根据当前上下文搜索相关记忆
  • 检索流程:1. 关键词搜索:快速定位匹配内容
  1. 语义搜索:补充相关但关键词不匹配的记忆
  2. 结果排序:按相关性、时效性、重要性综合排序
  • 渐进式披露:先返回摘要,用户需要时再展示完整内容
  1. 记忆巩固(Consolidation)- 定期将短期记忆中重要内容提炼至长期记忆
  • 合并相似记忆,强化重要信息,遗忘低价值内容
  • 支持自定义巩固规则,适配不同使用场景

五、关键技术特点

  • 零配置自动运行:默认 memory-core 插件提供完整记忆功能,无需额外设置
  • 可扩展性:支持插件替换(如 openclaw-memory-engine 、 basic-memory ),适配不同需求
  • 隐私保护:本地存储,无数据上传,组会话不加载长期记忆
  • 可移植性:记忆文件可直接复制迁移,跨设备同步简单
  • 调试友好:明文Markdown便于直接查看和修改记忆内容

六、使用方法要点

  1. 手动记忆:使用"记住这个:内容"指令,AI会立即写入长期记忆
  2. 查看记忆:直接打开工作区的Markdown文件,或通过OpenClaw界面的记忆管理功能
  3. 管理记忆:手动编辑 MEMORY.md 整理长期记忆,删除过时内容
  4. 禁用记忆:配置 plugins.slots.memory = "none" 可临时关闭记忆功能

OpenClaw记忆系统通过文件+索引+智能检索的组合,解决了传统LLM"聊完就忘"的痛点,为AI Agent提供了持久、可控、高效的记忆能力,是构建真正智能个人助手的关键基础。

相关推荐
像风一样自由20203 小时前
19.Milvus数据分片扩展与高并发设计
postgresql·大模型·milvus·rag·智能体
绵满11 小时前
"AgentOPSD: Recursive Self-Distillation for Agentic Reinforcement Learning" 论文笔记
大模型·智能体记忆
威化饼的一隅2 天前
【搜索推荐学习】生成式召回
大模型·双塔模型·语义id·召回·sid·生成式召回
thesky1234562 天前
27届大模型面试准备(六十七):大模型推理编译与图优化工程——从计算图到高效内核
大模型·tvm·图优化·xla·算子融合·编译期优化·推理编译
山顶夕景2 天前
【LLM】GLM-5.3-Flash模型
大模型·llm·agent·多模态·moe
pnoker2 天前
IoT DC3 AI 能力:Agentic Center 的设计与边界
java·人工智能·物联网·大模型·spring ai
JoannaJuanCV2 天前
VLM学习-SFT(监督微调)
深度学习·学习·机器学习·大模型·视觉大模型·vlm·视觉编码器
tachibana22 天前
AI Agent 的记忆机制
人工智能·ai·大模型·llm·agent
thesky1234562 天前
27届大模型面试准备(六十八):长思维链与推理时计算扩展——从 long-CoT 到 inference-time scaling
大模型·长思维链·推理时计算扩展·inference-time scaling·long-cot·best-of-n·process reward
CoderJia程序员甲2 天前
GitHub 热榜项目 - 周榜(2026-08-30)
ai·大模型·llm·github·ai教程