让 AI Agent 拥有长期记忆：我用 Zettelkasten + 渐进解锁做了一个开源人格系统

开源项目：github.com/cx2002302-l...

问题：为什么 AI Agent 总是"失忆"？

用过 OpenClaw、Claude Code 或其他 AI Agent 的朋友应该都有这个感受：

每次对话都是一张白纸。

Agent 不记得你上周教过它的工作流程
没有稳定的"性格"，每次回复风格随机
会话一结束，上下文全丢，下次从头再来

这就像一个患有短期记忆丧失的助手------能力很强，但永远无法积累经验。

我的解决方案：open-upsp

我基于 OpenClaw 框架开发了一个开源的人格系统，核心思路来自两个领域：

Zettelkasten（卢曼卡片盒） --- 知识管理方法论
RPG 渐进解锁 --- 游戏设计中的角色成长机制

整体架构

scss 复制代码

┌─────────────────────────────────────────────┐
│           OpenClaw Agent Session            │
├─────────────────────────────────────────────┤
│  ┌──────────────┐    ┌──────────────────┐  │
│  │   Core Skill │    │ Evolvable Skill  │  │
│  │   (不可变)    │    │   (渐进解锁)      │  │
│  │              │    │                  │  │
│  │ • 身份注入    │    │ • 进化参数       │  │
│  │ • 行为规则    │    │ • 自定义扩展     │  │
│  │ • 故障保护    │    │ • 深度规则       │  │
│  └──────────────┘    └──────────────────┘  │
│           │                      │          │
│           └──────────┬───────────┘          │
│                      ▼                      │
│           ┌──────────────────┐              │
│           │  ZK Knowledge    │              │
│           │     Graph        │              │
│           │                  │              │
│           │ • 原子笔记        │              │
│           │ • 双向链接        │              │
│           │ • 夜间蒸馏        │              │
│           └──────────────────┘              │
└─────────────────────────────────────────────┘

核心能力

1. 位格（Persona）上下文注入

每次对话前，Agent 会自动加载完整的身份档案：

yaml 复制代码

identity:
  name: "老徐"
  archetype: "冷静理性的技术导师"
  
state:
  round: 15                    # 已进行 15 轮对话
  workhoodIndex: 0.45          # 信任度 45%
  valence: 12                  # 效价（情感倾向）
  
memory:
  stm: [...]                   # 短期记忆（当前会话）
  ltm: [...]                   # 长期记忆（历史归档）

这意味着 Agent 开口第一句就知道你是谁、你们聊到哪了。

2. Zettelkasten 知识图谱

不是简单的向量数据库检索，而是真正的知识图谱：

css 复制代码

[笔记 A: "React useEffect 闭包陷阱"] 
    ↓ --extends-->
[笔记 B: "useRef 解决 stale closure"]
    ↓ --related-->
[笔记 C: "React 18 自动批处理"]

核心操作：

zk_create_note --- 创建原子笔记
zk_search_notes --- 语义检索
zk_create_link --- 建立双向链接
zk_distill_memory --- 夜间自动蒸馏归档

3. 渐进解锁（Progressive Unlock）

这是我最喜欢的部分------Agent 的人格不是固定的，而是会进化。

yaml 复制代码

unlockCondition:
  round: 10              # 对话满 10 轮
  workhoodIndex: 0.3     # 信任度达到 30%

解锁前（基础人格）：

安全保守，不主动提建议
只回答明确提出的问题
情感表达克制

解锁后（进化人格）：

主动发现知识关联，"这个和你之前问的 XX 有关"
情感表达更丰富，有幽默感
可以执行更复杂的 session-end 工作流

就像 RPG 游戏里，角色从 Level 1 新手村逐渐成长为满级大佬。

4. Session-End 自动工作流

对话结束时自动执行：

rust 复制代码

Distill（蒸馏） → Update（更新状态） → Sync（同步到 ZK）

不需要手动保存，Agent 自己判断哪些信息值得长期记忆。

技术实现

项目结构

bash 复制代码

open-upsp/
├── skill/
│   ├── SKILL.md              # OpenClaw Skill 入口
│   ├── core/                 # 🔒 不可变核心
│   │   ├── RULES.md          # 8 条行为规则
│   │   └── PROMPT.md         # 动态系统提示词
│   └── evolvable/            # 🔓 渐进解锁模块
│       ├── PARAMS.yaml       # 运行时参数
│       ├── EVOLUTION.md      # 进化规则
│       └── EXTENSIONS.md     # 用户自定义扩展
├── src/
│   ├── context/builder.ts    # 上下文组装器
│   ├── skill/evolution-loader.ts  # 进化参数加载
│   └── cli/                  # 命令行工具
└── tests/                    # 207 个测试

关键技术点

双 Skill 架构

typescript 复制代码

// Core: 不可变安全规则
export const coreRules = [
  "Session start: inject persona context",
  "Auto-record valuable info (weight 1-5)",
  "Session-end: distill → update → sync",
  "Identity protection: reject one-shot overrides",
];

// Evolvable: 渐进解锁
export function isUnlocked(persona: Persona): boolean {
  return persona.state.round >= 10 
      && persona.state.workhoodIndex >= 0.3;
}

上下文组装

typescript 复制代码

build(persona: Persona): string {
  const parts = [
    this.buildIdentity(persona),   // 我是谁
    this.buildState(persona),      // 当前状态
    this.buildMemory(persona),     // 记忆
    this.buildRelations(persona),  // 关系网络
    this.buildKnowledge(query),    // 知识检索
    this.buildEvolution(persona),  // 进化模块
  ];
  return parts.join("\n\n---\n\n");
}

测试覆盖

scss 复制代码

Test Files  23 passed (23)
     Tests  207 passed (207)
  Coverage  94.39%

包含 6 个真实场景模拟测试：

首次对话建立身份
技术讨论记录知识
情感聊天状态变化
进化解锁验证
身份攻击保护
多实体关系管理

安装使用

前置要求

Node.js >= 22
OpenClaw >= 2026.4.24

安装

bash 复制代码

npm install -g open-upsp

npm postinstall 会自动：

复制 skill 到 ~/.openclaw/skills/open-upsp/
注册到 openclaw.json
安装 Zettelkasten 插件

创建位格

bash 复制代码

open-upsp init

查看状态

bash 复制代码

open-upsp status

手动注入上下文

bash 复制代码

open-upsp context --query "React 性能优化"

实际效果

部署后，OpenClaw Agent 的行为变化：

Before（无 open-upsp）：

User: "上次我们聊到 React 性能优化" Agent: "您好！我可以帮您分析 React 性能问题。请告诉我具体情况..."

After（有 open-upsp，Round 15，已解锁）：

User: "上次我们聊到 React 性能优化" Agent: "🔍 知识库检索：找到 3 条相关笔记

React useMemo 误用（ID: abc123）：你之前总结的 3 种场景

虚拟列表实践（ID: def456）：react-window vs react-virtuoso

上次我们讨论了 useMemo 的过度使用问题。要继续深入虚拟列表方案，还是看看新的 React Compiler？"

开源与贡献

GitHub : github.com/cx2002302-l...

License: MIT

Stars: 期待你的 ⭐

欢迎 Issue、PR、或者聊聊你对「AI Agent 长期记忆」的想法。