目录
- [1. 先加载「基础身份记忆」](#1. 先加载「基础身份记忆」)
- [2. 不加载历史对话（默认）](#2. 不加载历史对话（默认）)
- [3. 构建初始「空上下文」+ 记忆索引可用](#3. 构建初始「空上下文」+ 记忆索引可用)
- [4. 你发第一条消息 → 触发记忆召回](#4. 你发第一条消息 → 触发记忆召回)
- [5. 会话进行中：记忆只增不减](#5. 会话进行中：记忆只增不减)
在 OpenClaw 里，新会话刚启动时，记忆不是一次性全塞给模型，而是走一套非常固定、轻量的初始化加载 + 按需召回流程。
下面用最清晰、最贴近源码逻辑的方式讲：
新会话开始时，记忆的完整使用流程
1. 先加载「基础身份记忆」
会话刚创建，第一步只加载最少、最稳定的记忆：
- 系统提示词（system prompt）
- Agent 自身配置（角色、能力、行为规则）
- 长期记忆 MEMORY.md 中的核心摘要
只加载：用户偏好、重要规则、关键约束，不加载全文
作用：
让模型知道自己是谁、知道你是谁、知道不能做什么。
2. 不加载历史对话（默认）
新会话 = 新上下文
- 不会自动加载旧聊天记录
- 不会加载几天前的短期记忆日志
- 不会加载其他会话的内容
目的：
避免上下文污染，保证新会话干净。
3. 构建初始「空上下文」+ 记忆索引可用
此时模型的状态是：
- 有身份
- 有长期记忆摘要
- 有向量库 + SQLite 索引已经就绪
- 但没有历史对话
这是 OpenClaw 典型的冷启动状态。
4. 你发第一条消息 → 触发记忆召回
关键步骤来了：
用户输入 → 自动检索记忆 → 把相关片段注入上下文
流程：
- 对你的问题做 embedding
- 在向量库 + 关键词索引中搜索- 长期记忆 MEMORY.md
- 历史短期记忆 daily log
- 文档、知识库
- 召回 Top-K 相关片段
- 拼到 prompt 前面，再送给 LLM
所以：
新会话里，模型看似"记得以前的事"，其实是每次都现查记忆库。
5. 会话进行中：记忆只增不减
对话开始后：
- 每一轮都会追加新内容到当天短期记忆 YYYY-MM-DD.md
- 重要信息会被自动提取，更新到 MEMORY.md
- 索引实时更新
但：
- 旧记忆不会自动塞进上下文
- 只有相关的才会被召回
一句话总结（最核心）
新会话开始时：
- 加载长期记忆摘要，建立身份
- 不加载历史对话
- 索引准备好
- 你一发消息，自动检索相关记忆并注入上下文
OpenClaw 的记忆本质是：
不依赖上下文窗口，依赖检索。新会话永远冷启动，再按需热加载。