# 07. 记忆系统完全指南 > **课程信息** > > - **作者**：老金 > - **GitHub**：https://github.com/KimYx0207 > - **公众号**：老金带你玩AI > - **X（Twitter）**：老金带你玩AI > - **个人博客**：https://aiking.dev > - **难度等级**：🟡 进阶 > - **阅读时间**：25 分钟 > - **前置知识**：已完成快速开始（[03-快速开始指南](03-快速开始指南.md)） > > **本篇你将学会：** 理解 AI 的记忆机制、配置记忆存储、管理和优化 AI 的记忆 > > **小白速通：** 只看前 2 节（"为什么 AI 需要记忆"、"记忆架构"），了解概念就够了。OpenClaw 的记忆系统开箱即用，不需要额外配置 > > **2026-08-06 版本口径**：v2026.7.1-1 修复了 Memory Core 启动冲突导致的 **fatal restart loop**（之前部分配置会在启动时无限重启），同时 State safety & recovery 让记忆写入遇到 schema 升级时**拒绝丢数据**而非静默覆盖。如果你之前因为记忆相关报错而停用，升级到 v2026.7.1-2 后建议先用 `openclaw doctor` 验证一次再决定是否重新启用。具体行为以本机版本为准。 ## 为什么 AI 需要记忆？ 我在 OpenClaw 记忆这篇里保留很多边界提醒，是因为老金知道记忆一旦写错，后面所有自动化都会被带偏。 你跟朋友聊天，不需要每次都自我介绍。因为朋友记得你是谁、你喜欢什么、上次聊了什么。 但 AI 不一样。大语言模型本质上是"无状态"的 — 每次对话结束，它就把你忘得一干二净。下次你再说"继续上次的方案"，它会一脸茫然地问你"什么方案？" 这就是记忆系统要解决的核心问题：**让 AI 像一个真正的助手一样，记住你是谁、你在做什么、你喜欢什么。** 没有记忆的 AI 助手： ``` 你：帮我改一下昨天那个 React 组件 AI：请问你指的是哪个组件？能提供更多上下文吗？ 你：……我昨天跟你聊了两个小时啊 AI：抱歉，我没有之前对话的记录。 ``` 有记忆的 AI 助手： ``` 你：帮我改一下昨天那个 React 组件 AI：你说的是 UserProfile 组件吧？昨天你提到想把头像上传功能 从 base64 改成 presigned URL。我来改一下。 ``` 差距一目了然。 ### 记忆系统的三大价值 | 价值 | 说明 | 举例 | |------|------|------| | 连续性 | 跨会话保持上下文 | 记住你正在做的项目、进度、决策 | | 个性化 | 了解你的偏好和习惯 | 知道你喜欢 TypeScript、不用分号、偏好函数式风格 | | 效率 | 减少重复沟通 | 不用每次都解释你的技术栈、团队结构、工作流程 | ## OpenClaw 记忆架构 OpenClaw 的记忆系统设计哲学非常务实：**Markdown 文件 + sqlite-vec（轻量级的向量数据库，用于语义搜索） 向量索引，兼顾透明可控和智能检索。** AI 的记忆源头是写在磁盘上的 Markdown 文件和会话日志。你可以直接用文本编辑器查看、修改、删除 AI 的记忆，完全透明可控。同时，系统使用 sqlite-vec 做向量存储，支持语义搜索、混合搜索（hybrid search）、时间衰减（temporal decay）、最大边际相关性（MMR）和查询扩展（query expansion）等高级检索能力。 ### 三层记忆架构 OpenClaw 把记忆分成三层，各司其职： ``` ┌─────────────────────────────────────────────────┐ │ 会话记忆 (Session Memory) │ │ 存在于当前对话的上下文窗口中 │ │ 会话结束即消失（除非主动持久化） │ │ 容量：受模型上下文窗口限制 │ └──────────────────────┬──────────────────────────┘ │ compaction（上下文压缩，当对话太长时自动总结之前的内容） 时自动刷新 ▼ ┌─────────────────────────────────────────────────┐ │ 短期记忆 (Daily Logs) │ │ memory/YYYY-MM-DD.md │ │ 每天一个文件，记录当天的笔记和上下文 │ │ 默认加载今天 + 昨天的日志 │ │ 容量：无限制（每天一个文件） │ └──────────────────────┬──────────────────────────┘ │ 手动或自动整理 ▼ ┌─────────────────────────────────────────────────┐ │ 长期记忆 (MEMORY.md) │ │ 精选的持久信息 │ │ 偏好、决策、重要事实、用户画像 │ │ 每次主会话启动时加载 │ │ 容量：建议控制在 2000 行以内 │ └─────────────────────────────────────────────────┘ ``` ### 记忆源 OpenClaw 的记忆来自三类文件： ``` ~/.openclaw/workspace/ ├── MEMORY.md # 长期记忆（精选的重要信息） ├── USER.md # 用户画像（姓名、偏好、习惯） ├── SOUL.md # Agent 人格定义 ├── dreams.md # Dreaming 系统产出（v2026.4.5 新增） ├── memory/ │ ├── 2026-02-25.md # 今天的日志 │ ├── 2026-02-24.md # 昨天的日志 │ ├── 2026-02-23.md # 前天的日志 │ └── ... # 更早的日志 └── sessions/ └── *.jsonl # 会话日志（自动记录） ``` 记忆源汇总： - `MEMORY.md` — 手动维护的长期记忆 - `workspace/memory/*.md` — 每日日志 - `dreams.md` — Dreaming 系统自动整理的记忆产出（v2026.4.5 新增） - `sessions/*.jsonl` — 会话历史记录 ### 各层记忆详解 #### 会话记忆 (Session Memory) 会话记忆就是当前对话的上下文。你跟 AI 说的每一句话、AI 的每一个回复，都在会话记忆里。 特点： - 速度最快，AI 可以直接引用 - 容量有限，受模型上下文窗口约束（通常 128K-200K tokens） - 会话结束就消失 - 对话太长时会触发 compaction（压缩），旧消息会被摘要 ``` 你：我的项目用 Next.js 14 AI：好的，Next.js 14。（这句话现在在会话记忆里） ... 聊了 200 条消息 ... AI：（compaction 触发，早期消息被压缩成摘要） ``` #### 短期记忆 (Daily Logs) 每天一个 Markdown 文件，记录当天的重要信息。 ```markdown # 2026-02-25 ## 上午 - 讨论了新的认证方案，决定用 NextAuth.js v5 - 用户提到下周三有产品评审会 ## 下午 - 修复了 UserProfile 组件的头像上传 bug - 用户要求把所有 API 响应格式统一为 { data, error } 结构 ``` 加载策略： - 每次新会话启动时，自动加载今天和昨天的日志 - 可以通过配置调整加载天数 #### 长期记忆 (MEMORY.md) 精选的、持久的重要信息。这是 AI 的"核心记忆"。 ```markdown # 长期记忆 ## 用户偏好 - 编程语言：TypeScript，不用分号 - 框架：Next.js 14 + React 18 - 代码风格：函数式优先，避免 class - 编辑器：VS Code + Vim 键位 ## 项目信息 - 当前项目：电商平台重构 - 部署环境：Vercel (前端) + Railway (后端) - 数据库：PostgreSQL + Prisma ORM ## 重要决策 - 2026-02-20：决定从 REST 迁移到 tRPC - 2026-02-22：选择 Stripe 作为支付方案 ``` ## 记忆存储与检索 OpenClaw 的记忆系统使用 sqlite-vec 作为向量存储后端，结合 Markdown 文件实现透明可控的记忆管理。 ### 向量存储：sqlite-vec > ⏭️ **小白可跳过** — 这部分是技术深入分析，记忆系统默认配置已经够用 sqlite-vec 是 OpenClaw 的默认向量存储方案。它基于 SQLite 扩展，零配置、单文件，同时支持向量语义搜索。 sqlite-vec 开箱即用，不需要额外配置。如果需要自定义扩展路径，可以通过以下配置覆盖： ```jsonc // ~/.openclaw/openclaw.json { "agents": { "defaults": { "memorySearch": { "store": { "vector": { "enabled": true, "extensionPath": "/path/to/sqlite-vec" } } } } } } ``` 优点： - 零配置，开箱即用（`enabled` 默认为 `true`） - 单文件数据库，不需要安装额外服务 - 支持向量语义搜索和 BM25 混合搜索 - 记忆源文件（Markdown）仍然可以直接用编辑器查看和修改 - 如果 sqlite-vec 扩展加载失败，自动回退到 JS 内存中的余弦相似度计算 ### Embedding 提供商 > ⏭️ **小白可跳过** — 这部分是技术深入分析，记忆系统默认配置已经够用 sqlite-vec 需要配合 embedding（把文本转换成数字向量的技术，让 AI 能理解语义相似性） 模型将文本转为向量。OpenClaw 支持多种 embedding 提供商： | 提供商 | 说明 | |--------|------| | OpenAI | `text-embedding-3-small` 等 | | Gemini | Google 的 embedding 模型 | | Mistral | Mistral 的 embedding 模型 | | Voyage | Voyage AI 的 embedding 模型 | ```jsonc // ~/.openclaw/openclaw.json { "agents": { "defaults": { "memorySearch": { "provider": "openai", "model": "text-embedding-3-small" } } } } ``` Embedding 提供商通过 `agents.defaults.memorySearch.provider` 配置。如果不设置，OpenClaw 会按以下优先级自动选择：本地模型（如果配置了 `local.modelPath`）→ OpenAI → Gemini → Voyage → Mistral。也可以设置 `provider: "local"` 使用本地 GGUF 模型，完全离线运行。 ### 高级检索能力 > ⏭️ **小白可跳过** — 这部分是技术深入分析，记忆系统默认配置已经够用 OpenClaw 的记忆检索不是简单的关键词匹配，而是一套完整的智能检索系统： | 能力 | 说明 | |------|------| | Hybrid Search（混合搜索） | 同时使用关键词匹配和向量语义搜索，综合排序 | | Temporal Decay（时间衰减） | 越新的记忆权重越高，旧记忆逐渐淡化 | | MMR（最大边际相关性） | 搜索结果去重，避免返回高度相似的内容 | | Query Expansion（查询扩展） | 自动扩展搜索词，提高召回率 | 这些能力开箱即用，不需要额外配置。 > **v2026.4.24 更新：** 混合搜索现在在结果中暴露原始的 `vectorScore`（向量语义分数）和 `textScore`（关键词匹配分数），方便调试搜索质量。会话记录搜索也新增了可见性和 Agent 间策略控制。 ## 记忆配置详解 记忆系统的行为可以通过 `~/.openclaw/openclaw.json`（JSON5 格式）精细控制。 ### 基础配置 记忆系统默认启用，不需要额外配置。OpenClaw 通过 `memory-core` 插件提供记忆功能（默认加载）。 如果你想**关闭**记忆系统： 如果要彻底关闭记忆插件，沿用前文 `plugins.slots.memory = "none"` 的配置即可；这里不重复贴完整 JSON，避免读者误以为这是另一种配置格式。 记忆文件存储在 workspace 目录下（默认 `~/.openclaw/workspace`），可以通过 `agents.defaults.workspace` 修改 workspace 路径。记忆系统默认加载今天和昨天的日志（`memory/YYYY-MM-DD.md`）以及长期记忆（`MEMORY.md`，仅在私聊会话中加载）。 ### Compaction 与记忆刷新 这是 OpenClaw 记忆系统最聪明的设计之一。当对话越来越长，上下文窗口快要满的时候，OpenClaw 会触发 compaction（压缩）。在压缩之前，它会自动提醒 AI 把重要信息存到记忆文件里。 ```jsonc // ~/.openclaw/openclaw.json { "agents": { "defaults": { "compaction": { "reserveTokensFloor": 20000, "memoryFlush": { "enabled": true, "softThresholdTokens": 4000, "systemPrompt": "Session nearing compaction. Store durable memories now.", "prompt": "Write any lasting notes to memory/YYYY-MM-DD.md; reply with NO_REPLY if nothing to store." } } } } } ``` 工作流程：上下文使用率达到阈值 → 触发 memoryFlush（隐藏的 Agent 轮次）→ AI 自动把重要信息写入日志 → 执行 compaction 压缩旧消息 → 对话继续。 你也可以在对话中手动触发压缩，使用聊天命令 `/compact`。 | 字段 | 说明 | |------|------| | `reserveTokensFloor` | 压缩后至少保留多少 tokens 的上下文 | | `softThresholdTokens` | 距离压缩还有多少 tokens 时触发记忆刷新 | ### 记忆加载行为 每次会话启动时，OpenClaw 自动加载以下记忆： - `MEMORY.md` — 长期记忆（仅在私聊会话中加载，群聊中不加载） - `memory/YYYY-MM-DD.md` — 今天和昨天的日志 这个行为是内置的，不需要额外配置。如果你想让记忆搜索覆盖更多文件（比如 workspace 外的 Markdown），可以通过 `extraPaths` 扩展搜索范围： ```jsonc // ~/.openclaw/openclaw.json { "agents": { "defaults": { "memorySearch": { "extraPaths": ["../team-docs", "/srv/shared-notes/overview.md"] } } } } ``` 路径可以是绝对路径或相对于 workspace 的路径。目录会被递归扫描，但只索引 Markdown 文件（`.md`）。 为什么要注意记忆大小？因为记忆也占上下文窗口。日志写得太详细时，会挤占正常对话的空间。建议 `MEMORY.md` 控制在 3000 tokens 以内。 ### 按 Agent 配置记忆 不同的 Agent 可以有不同的记忆行为。通过给每个 Agent 配置独立的 workspace，实现记忆隔离： ```jsonc // ~/.openclaw/openclaw.json { "agents": { "list": [ { "id": "coding", "workspace": "~/.openclaw/workspace-coding" }, { "id": "social", "workspace": "~/.openclaw/workspace-social" } ] } } ``` 每个 Agent 的 workspace 下有独立的 `MEMORY.md` 和 `memory/` 目录。如果某个 Agent 完全不需要记忆功能，可以在它的 workspace 里不放任何记忆文件即可。 ## 对话上下文管理 上下文窗口是 AI 的"工作记忆"，理解它的工作方式对用好记忆系统至关重要。 ### 什么是上下文窗口？ 上下文窗口就是模型一次能"看到"的所有文本。包括： ``` ┌─────────────────────────────────────────┐ │ 系统提示词 (System Prompt) │ ← 固定占用 │ - Agent 人格 (SOUL.md) │ │ - 技能指令 │ │ - 工具定义 │ ├─────────────────────────────────────────┤ │ 记忆注入 │ ← 启动时加载 │ - MEMORY.md │ │ - USER.md │ │ - 最近几天的日志 │ ├─────────────────────────────────────────┤ │ 对话历史 │ ← 动态增长 │ - 用户消息 │ │ - AI 回复 │ │ - 工具调用结果 │ ├─────────────────────────────────────────┤ │ 剩余空间 │ ← 给 AI 生成回复用 └─────────────────────────────────────────┘ ``` 常见模型的上下文窗口差异很大，而且会随 provider 更新。写课程和配置前，先查当前 OpenClaw models 输出和 provider 文档，不要把旧数字当永久事实。 ### 滑动窗口策略 当对话越来越长，上下文窗口快满了怎么办？OpenClaw 使用滑动窗口策略： ``` 正常对话： [系统提示 | 记忆 | 消息1 | 消息2 | ... | 消息N] 接近上限： [系统提示 | 记忆 | [摘要:消息1-50] | 消息51 | ... | 消息N] 继续对话： [系统提示 | 记忆 | [摘要:消息1-50] | 消息51 | ... | 消息N+M] ``` compaction 的过程：检测到上下文使用率超过阈值 → 触发 memoryFlush，AI 保存重要信息到记忆文件 → 将早期消息压缩成摘要 → 释放上下文空间，继续对话。 ### 上下文预算管理 OpenClaw 通过 compaction 机制自动管理上下文空间。当对话接近上下文窗口上限时，会自动触发压缩。你可以通过 `reserveTokensFloor` 控制压缩后保留多少上下文空间： ```jsonc // ~/.openclaw/openclaw.json { "agents": { "defaults": { "compaction": { "reserveTokensFloor": 20000 } } } } ``` `reserveTokensFloor` 越大，压缩越激进（保留的旧消息越少）。默认值 20000 tokens 对大多数场景够用。 > 💡 **实用建议：** 如果记忆文件太大导致上下文空间不足，最有效的做法是精简 `MEMORY.md` 的内容（建议控制在 3000 tokens 以内），而不是调整配置参数。 ## 用户画像和偏好记忆 OpenClaw 有一个专门的文件 `USER.md` 来存储用户画像。这跟 `MEMORY.md` 不同 — `MEMORY.md` 存的是各种杂项记忆，`USER.md` 专门描述"你是谁"。 ### USER.md 结构 ```markdown # 用户画像 ## 基本信息 - 姓名：老金 | 时区：Asia/Shanghai | 语言：中文为主 ## 技术偏好 - 主力语言：TypeScript（不用分号，单引号，2 空格缩进） - 前端：React + Next.js | 后端：Node.js + Fastify - 数据库：PostgreSQL | 部署：Docker + Railway ## 沟通偏好 - 喜欢简洁直接的回答，代码示例比文字解释更有用 - 遇到问题先给方案，再解释原因 ## 日程习惯 - 工作时间：9:00-18:00 - 每周一 10:00 团队周会 | 每周五 15:00 代码评审 ``` ### 自动学习用户偏好 OpenClaw 没有专门的"自动学习"配置开关。用户偏好的记录依赖于 AI 模型自身的判断 — 当你在对话中表达偏好时，AI 会主动将其写入 `USER.md` 或 `MEMORY.md`。 你可以通过 SOUL.md（Agent 人格文件）来引导 AI 更主动地记录偏好： ```markdown ## 记忆习惯 - 当用户表达偏好或习惯时，主动写入 USER.md - 当用户做出重要决策时，记录到 MEMORY.md - 每次对话结束前，检查是否有值得记录的信息 ``` 这种方式比配置文件更灵活 — 你可以用自然语言精确描述 AI 应该记住什么、怎么记住。 ### 主动让 AI 记住 直接告诉 AI 你想让它记住什么： ``` 记住：我的 GitHub 用户名是 laojin-dev 记住：项目部署在 Hetzner 的 VPS 上 记住：我不喜欢在代码里用分号 记住：跟我说话不用太客气，直接说重点 ``` AI 会根据内容类型，自动决定写入 `MEMORY.md` 还是 `USER.md`： - 个人偏好、习惯 → `USER.md` - 项目信息、决策、事实 → `MEMORY.md` - 临时笔记、当天事项 → `memory/YYYY-MM-DD.md` ## 记忆工具 AI 有专门的工具来操作记忆： ### memory_search — 语义搜索 从所有记忆文件中搜索相关内容。 ``` 用户：我之前说过用什么支付方案来着？ AI：（调用 memory_search("支付方案")） → 找到 MEMORY.md 中的记录：2026-02-22 决定用 Stripe AI：你在 2 月 22 号决定用 Stripe 作为支付方案。 ``` 搜索范围： - `MEMORY.md` — 长期记忆 - `USER.md` — 用户画像 - `memory/*.md` — 所有日志文件 ### memory_get — 精确读取 读取某个记忆文件的特定内容。 ``` 用户：看看我昨天的笔记 AI：（调用 memory_get("memory/2026-02-24.md")） → 返回昨天日志的完整内容 ``` ### 记忆写入 AI 通过普通的文件写入工具来更新记忆文件。没有专门的"记忆写入"工具 — 这是故意的设计，保持简单。 ``` 用户：记住，我们决定用 Stripe AI：（调用 file_write，写入 MEMORY.md） 好的，已记录到长期记忆中。 ``` ## 知识库集成 (RAG) 当你需要 AI 记住大量结构化知识（比如公司文档、产品手册、代码库），普通的记忆文件就不够用了。这时候需要 RAG（Retrieval-Augmented Generation，检索增强生成）。 ### 什么是 RAG？ 简单说：AI 回答问题之前，先从知识库里搜索相关内容，然后带着这些内容去回答。 ``` 传统方式： 用户提问 → AI 凭记忆回答（可能瞎编） RAG 方式： 用户提问 → 搜索知识库 → 找到相关文档 → AI 基于文档回答（有据可查） ``` ### OpenClaw 的 RAG 实现 OpenClaw 的记忆搜索本身就具备 RAG 能力 — 通过 `memorySearch` 索引 workspace 下的 Markdown 文件，支持语义搜索。如果你想索引 workspace 之外的文件，可以通过 `extraPaths` 扩展： ```jsonc // ~/.openclaw/openclaw.json { "agents": { "defaults": { "memorySearch": { "extraPaths": [ "~/Documents/company-wiki", "~/projects/myapp/README.md" ] } } } } ``` 对于更高级的知识检索需求，OpenClaw 支持 QMD 后端（实验性功能），它结合了 BM25 + 向量搜索 + 重排序： ```jsonc // ~/.openclaw/openclaw.json { "memory": { "backend": "qmd", "qmd": { "includeDefaultMemory": true, "paths": [ { "name": "docs", "path": "~/notes", "pattern": "**/*.md" } ], "update": { "interval": "5m" }, "limits": { "maxResults": 6, "timeoutMs": 4000 } } } } ``` > ⚠️ QMD 需要单独安装（`bun install -g https://github.com/tobi/qmd`），且需要支持扩展的 SQLite 构建。如果 QMD 不可用，OpenClaw 会自动回退到内置的 SQLite 搜索引擎。 ### 知识源类型 OpenClaw 的 `memorySearch` 默认只索引 Markdown 文件（`.md`）。如果使用 QMD 后端，可以通过 `paths` 配置索引额外目录： | 配置方式 | 说明 | 适用场景 | |---------|------|---------| | 默认 workspace | 自动索引 `MEMORY.md` + `memory/*.md` | 日常使用 | | `extraPaths` | 索引 workspace 外的 Markdown 文件 | 需要引用外部文档 | | QMD `paths` | 索引任意目录，支持 glob 模式 | 大规模知识库 | ### 向量搜索引擎 OpenClaw 内置两种搜索引擎： | 引擎 | 特点 | 配置方式 | |------|------|---------| | 内置 SQLite（默认） | 零配置，sqlite-vec 加速，支持混合搜索 | 开箱即用 | | QMD（实验性） | BM25 + 向量 + 重排序，功能更强 | `memory.backend = "qmd"` | ### 知识库与记忆管理命令 记忆索引和知识库都通过 `openclaw memory` 子命令管理： ```bash # 记忆索引管理 openclaw memory status # 查看记忆索引状态 openclaw memory index # 重建记忆索引 openclaw memory search "部署" # 搜索记忆（支持语义搜索） ``` ### 记忆 vs 知识库 | 维度 | 记忆系统 | 知识库 (RAG) | |------|----------|-------------| | 内容来源 | 对话中产生 | 预先准备的文档 | | 更新方式 | AI 自动写入 | 手动索引或监控 | | 搜索方式 | 混合搜索（关键词 + 语义） | 语义向量搜索 | | 适合内容 | 偏好、决策、笔记 | 文档、手册、代码 | | 数据量 | 小（几十个文件） | 大（成百上千个文件） | ## 记忆的增删改查操作 ### 通过 CLI 操作 ```bash # 查看记忆索引状态 openclaw memory status # 重建记忆索引（当记忆文件有变动时） openclaw memory index # 搜索记忆（支持语义搜索） openclaw memory search "React 组件" ``` 记忆文件本身是 Markdown，可以直接用编辑器查看和修改： ```bash code ~/.openclaw/workspace/MEMORY.md # VS Code vim ~/.openclaw/workspace/memory/2026-02-25.md # Vim ``` 修改后运行 `openclaw memory index` 重建索引，下次会话启动时 AI 就能看到更新的内容。 ### 通过对话操作 直接跟 AI 说就行： ``` 你：记住，我们的 API 基础 URL 是 https://api.example.com/v2 → 写入 你：我之前说过 API 地址是什么？ → 查询 你：API 地址改了，新地址是 https://api.example.com/v3 → 更新 你：把关于旧项目的记忆都删掉 → 删除 你：帮我整理一下长期记忆，删掉过时的信息 → 整理 ``` AI 会自动调用对应的记忆工具完成操作。 ## 记忆隐私和安全 记忆文件里可能包含敏感信息。OpenClaw 提供了多层保护机制。 ### 敏感信息过滤 OpenClaw 没有内置的记忆内容自动过滤配置。防止敏感信息写入记忆文件的最佳做法是通过 SOUL.md 明确告诉 AI： ```markdown ## 安全规则 - 永远不要将密码、API Key、Token、身份证号、银行卡号写入记忆文件 - 如果用户要求记住敏感信息，提醒用户使用环境变量或密钥管理器 - 记忆文件中的敏感信息用 [REDACTED] 替代 ``` 这种方式利用 AI 模型自身的判断力来过滤敏感内容，比正则匹配更智能（能识别上下文中的敏感语义，而不仅仅是模式匹配）。 ### 记忆文件安全 OpenClaw 的记忆文件是纯文本 Markdown，存储在本地磁盘上，没有内置加密功能。如果你需要保护记忆文件： - **磁盘加密**：使用操作系统级别的磁盘加密（macOS FileVault、Linux LUKS、Windows BitLocker） - **文件权限**：确保 `~/.openclaw/workspace/` 目录权限为 `700`（仅所有者可读写） - **Git 忽略**：如果 workspace 在 Git 仓库中，将记忆文件加入 `.gitignore` ```bash # 设置 workspace 目录权限（macOS/Linux） chmod 700 ~/.openclaw/workspace ``` ### 不应该存入记忆的内容 无论有没有加密，密码、API Key、JWT Token、身份证号、银行卡号等敏感信息都不应该写入记忆文件。用环境变量或密钥管理器代替。 ### 记忆操作追踪 OpenClaw 没有内置的记忆审计日志配置。但你可以通过以下方式追踪记忆变更： - **Git 版本控制**：将 workspace 初始化为 Git 仓库，每次记忆变更都有完整历史 - **会话日志**：OpenClaw 的会话日志（`sessions/*.jsonl`）记录了所有工具调用，包括文件写入操作 ```bash # 用 Git 追踪记忆变更 cd ~/.openclaw/workspace git init git add MEMORY.md USER.md memory/ git commit -m "memory snapshot" ``` 这比内置审计日志更强大 — 你可以用 `git diff` 看到每次记忆变更的具体内容。 ## 记忆系统调优 > ⏭️ **小白可跳过** — 这部分是技术深入分析，记忆系统默认配置已经够用 ### 记忆文件大小控制 `MEMORY.md` 不应该无限增长。OpenClaw 没有内置的自动归档配置，但有以下最佳实践： - **MEMORY.md**：建议控制在 500 行（约 3000 tokens）以内。内容太多会挤占对话上下文 - **每日日志**：每天自动创建新文件，天然不会过大 - **手动归档**：超过 30 天的日志可以手动移到归档目录 ```bash # 手动归档旧日志 mkdir -p ~/.openclaw/workspace/memory/archive mv ~/.openclaw/workspace/memory/2025-*.md ~/.openclaw/workspace/memory/archive/ ``` 定期整理 `MEMORY.md` 是保持 AI 助手高效的关键 — 过时的信息不仅浪费上下文空间，还可能让 AI 产生错误判断。 ### 记忆搜索优化 如果记忆文件很多，搜索会变慢。优化建议： 1. 运行 `openclaw memory index` 确保索引是最新的 2. 将旧日志移到归档目录（`memory/archive/`），减少索引文件数量 3. 给记忆内容加标签方便精确搜索：`## 项目信息 [tags: project, tech-stack]` ### 记忆加载性能 如果启动时加载记忆太慢，可以优化以下方面： 1. **精简 MEMORY.md** — 删除过时内容，控制在 500 行以内 2. **减少日志文件数量** — 归档超过 30 天的旧日志 3. **重建索引** — 运行 `openclaw memory index` 确保索引是最新的 如果使用 QMD 后端，可以调整刷新间隔和超时： ```jsonc // ~/.openclaw/openclaw.json { "memory": { "backend": "qmd", "qmd": { "update": { "interval": "10m", "commandTimeoutMs": 30000 }, "limits": { "maxResults": 4, "timeoutMs": 3000 } } } } ``` > 💡 **提示：** QMD 首次搜索可能较慢（需要下载本地 GGUF 模型用于重排序和查询扩展）。后续搜索会快很多。 ## 多用户记忆隔离 如果多个人共用一个 OpenClaw 实例（比如家庭成员或小团队），记忆必须隔离。 ### 通过多 Agent 隔离 最简单的方案：每个用户一个 Agent，配置独立的 workspace。 ```jsonc // ~/.openclaw/openclaw.json { "agents": { "list": [ { "id": "alice", "workspace": "~/.openclaw/workspace-alice" }, { "id": "bob", "workspace": "~/.openclaw/workspace-bob" } ] } } ``` 每个 Agent 有独立的 workspace，记忆文件完全隔离： ``` ~/.openclaw/ ├── workspace-alice/ │ ├── MEMORY.md # Alice 的长期记忆 │ ├── USER.md # Alice 的用户画像 │ └── memory/ # Alice 的日志 └── workspace-bob/ ├── MEMORY.md # Bob 的长期记忆 ├── USER.md # Bob 的用户画像 └── memory/ # Bob 的日志 ``` ### 通过消息路由绑定 配合多 Agent 路由，让不同联系人的消息自动路由到对应 Agent。在顶层 `bindings` 配置中设置 `channel`、`contact` 和 `agent` 的映射关系即可（bindings 是顶层配置，不嵌套在 channels 内部）。详见 [08. 多 Agent 路由](08-多Agent协作指南.md)。 ### 共享记忆方案 如果需要多个 Agent 共享部分记忆，可以用符号链接指向同一个 MEMORY.md 文件，但要注意并发写入可能导致冲突。更安全的做法是通过独立 workspace 隔离，仅在需要时手动同步。 ## 记忆插件系统 ### 默认插件：memory-core OpenClaw 默认使用 `memory-core` 插件提供记忆功能。这个插件包含： - 记忆文件的读写操作 - `memory_search` 和 `memory_get` 工具 - compaction 时的自动记忆刷新 - 日志文件的自动创建和管理 ### 关闭记忆功能 如果你不需要记忆（比如一次性的问答场景）： ```jsonc // ~/.openclaw/openclaw.json { "plugins": { "slots": { "memory": "none" } } } ``` ### 多语言记忆（v2026.2.22 新功能） v2026.2.22 新增多语言记忆支持： - 西班牙语 - 葡萄牙语 - 日语 - 韩语 - 阿拉伯语 AI 可以用这些语言写入和搜索记忆。搜索时会自动处理多语言匹配。 ## Dreaming 记忆整理系统（v2026.4.5 新增） v2026.4.5 引入了实验性的 **Dreaming（做梦）** 机制 — 这是 OpenClaw 对记忆自动整理的一次大胆尝试。它模拟人类睡眠中的记忆巩固过程，在后台自动整理、提炼、淘汰记忆。 ### 三阶段架构 Dreaming 系统由三个协作阶段组成（不是竞争关系，各自有独立的调度和恢复行为）： | 阶段 | 名称 | 作用 | |------|------|------| | Light（浅睡眠） | 初步筛选 | 扫描最近的会话记录和日志，提取值得保留的信息片段 | | Deep（深度睡眠） | 巩固整合 | 将分散的信息整合到长期记忆中，合并重复项，形成结构化知识 | | REM（快速眼动） | 持久提升 | 将整理后的高价值记忆提升（promote）为持久记忆，写入 `dreams.md` | 三个阶段在后台独立运行，不会阻塞正常对话。 ### Recall Decay（回忆衰减） Dreaming 系统引入了可配置的记忆老化控制： | 参数 | 说明 | 默认值 | |------|------|--------| | `recencyHalfLifeDays` | 记忆权重半衰期（天数）— 超过此天数的记忆，召回权重降为一半 | 根据实例配置 | | `maxAgeDays` | 记忆最大年龄（天数）— 超过此天数的记忆从活跃召回中淘汰 | 根据实例配置 | 这意味着 OpenClaw 可以自动「遗忘」过时的信息，而不需要你手动清理。越新的记忆越容易被召回，越旧的逐渐淡出 — 跟人类记忆的工作方式一样。 ### dreams.md 文件 Dreaming 的产出内容写入 `dreams.md` 文件（位于 workspace 目录下），与每日日志（`memory/YYYY-MM-DD.md`）分开存放。这样设计的好处是 `dreams.md` 可以被显式读取，但不会自动拉入默认召回上下文，避免占用过多上下文窗口空间。 ``` ~/.openclaw/workspace/ ├── MEMORY.md # 长期记忆（手动维护） ├── USER.md # 用户画像 ├── dreams.md # Dreaming 系统产出（自动维护） ├── memory/ │ ├── 2026-04-25.md # 今天的日志 │ └── ... └── sessions/ └── *.jsonl ``` ### Dream Diary（梦境日记 UI） v2026.4.5 同时在 Control UI 的 Dreams 面板中添加了 **Dream Diary** 界面，可以直观查看 Dreaming 系统的活动记录 — 包括每次做梦的时间、阶段、处理了哪些记忆、提升了哪些内容。 ### Dreaming 与手动记忆管理的关系 Dreaming 是一个补充机制，不替代手动管理： - `MEMORY.md` — 仍然是你手动维护的核心长期记忆 - `dreams.md` — Dreaming 系统自动产出的整理结果 - `memory/YYYY-MM-DD.md` — 每日日志，不受 Dreaming 影响 如果你不需要 Dreaming 功能，它默认处于实验状态，需要主动启用才会运行。 ## 记忆最佳实践 ### 1. 定期整理 MEMORY.md `MEMORY.md` 是 AI 每次启动都会加载的文件。如果它太大太杂，会浪费上下文空间，还可能让 AI 混淆。 建议： - 每周花 5 分钟整理一次 - 删除过时的信息（比如已完成的项目） - 合并重复的条目 - 保持分类清晰 ### 2. 善用日志文件 日常的临时信息写入日志，不要塞进 `MEMORY.md`： ``` # 好的做法 MEMORY.md → 只放长期有效的信息 memory/2026-02-25.md → 今天的临时笔记 # 不好的做法 MEMORY.md → 什么都往里塞，越来越臃肿 ``` ### 3. 让 AI 主动记录 重要对话后，主动让 AI 记录： ``` 你：把今天讨论的技术方案要点记下来 AI：好的，我把以下要点写入了今天的日志： 1. 认证方案选择 NextAuth.js v5 2. 数据库从 MySQL 迁移到 PostgreSQL 3. 缓存层用 Redis，TTL 设为 1 小时 ``` ### 4. 分类存储 在 `MEMORY.md` 中用清晰的标题分类： ```markdown ## 技术栈 ... ## 项目决策 ... ## 团队信息 ... ## 工作流程 ... ``` ### 5. 不要存敏感信息 密码、API Key、Token 等敏感信息不要写入记忆文件。用环境变量或密钥管理器。 ### 6. 备份记忆 记忆文件是纯文本，非常适合用 Git 管理或定期导出： ```bash # Git 管理 cd ~/.openclaw/workspace && git init && git add MEMORY.md USER.md memory/ git commit -m "backup: memory snapshot 2026-02-25" # 定期打包备份 tar -czf ~/backups/memory-$(date +%Y%m%d).tar.gz ~/.openclaw/workspace/ ``` ## 工坊：给自己的 OpenClaw 做一次记忆整理 记忆系统真正好用，因为它知道什么应该长期保留，什么只应该进入当天日志，什么应该完全不写。下面这次练习会把 `USER.md`、`MEMORY.md`、每日记忆和索引命令串起来。 先查看当前记忆状态： ```bash openclaw memory status ``` 打开工作空间： ```bash cd ~/.openclaw/workspace ls ``` 你通常会看到这些文件： ```text MEMORY.md USER.md dreams.md memory/ sessions/ ``` 第一步，整理 `USER.md`。它只放长期稳定的用户偏好，不放项目临时事项： ```markdown # 用户画像 ## 沟通偏好 - 希望回答先给结论，再给步骤。 - 不喜欢把内部检查标准写进面向读者的文章。 - 写中文教程时偏好自然、具体、可操作的表达。 ## 技术偏好 - 代码修改前先阅读现有结构。 - 文档教程要有真实命令、真实案例、排错路径。 ``` 第二步，整理 `MEMORY.md`。它放长期项目事实和持续有效的决策： ```markdown # 长期记忆 ## OpenClaw 学习环境 - Gateway 默认端口使用 18789。 - 常用配置文件位于 `~/.openclaw/openclaw.json`。 - 本地工作空间位于 `~/.openclaw/workspace/`。 ## 文档写作原则 - 教程内容面向读者，不写内部交付标准。 - 遇到平台能力差异时，要明确说明边界，不把 Claude Code 或 Codex 的能力硬套到 OpenClaw。 ``` 第三步，把今天的临时工作写入每日日志，而不是塞进长期记忆： ```markdown # 2026-06-09 ## OpenClaw 文档整理 - 检查了技能系统、记忆系统、多 Agent、Docker、安全配置几章。 - 发现 FAQ 编号需要按章节重新从 Q1 开始。 - 下一步继续补充可执行工坊和排错案例。 ``` 第四步，重建索引： ```bash openclaw memory index openclaw memory status ``` 第五步，用自然语言测试召回： ```text 我写 OpenClaw 教程时有哪些原则？ ``` 如果 OpenClaw 把当天临时事项误当成长期原则，说明 `MEMORY.md` 写得太杂；如果它完全召回不到文档写作原则，说明索引未更新、文件位置不对，或内容写得太抽象。 ## 记忆分层决策：一句话应该写到哪里 很多记忆污染来自一个小问题：用户说“记一下”，Agent 不知道写到哪里。你可以用下面这张表做判断。 | 信息类型 | 推荐位置 | 示例 | |---|---|---| | 长期稳定偏好 | `USER.md` | “我喜欢先结论后步骤” | | 长期项目事实 | `MEMORY.md` | “Gateway 默认端口是 18789” | | 当天进展 | `memory/YYYY-MM-DD.md` | “今天修了 FAQ 编号” | | 会议整理产物 | `dreams.md` 或单独文档 | “会议决定下周迁移部署方式” | | 外部知识资料 | 知识库 / RAG | “某 API 文档内容” | | 凭证、token、个人隐私 | 不写入记忆 | API Key、身份证号、私聊原文 | 判断时可以问三个问题： 1. 三个月后还会有效吗？ 2. 每次启动都应该让 Agent 看到吗？ 3. 如果这个信息被另一个 Agent 看到，会不会造成隐私或误操作风险？ 三个问题都偏“是”，才适合进入 `MEMORY.md`。只对今天有用，就写每日日志。只对某个材料检索有用，就进知识库。涉及凭证和隐私，直接不要写。 ## 遗忘流程：删除、覆盖和降权 “让 AI 忘记”不是一句魔法咒语。OpenClaw 的记忆主要来自文件和索引，所以遗忘也要回到文件和索引。 如果你只是想删除一条明确内容： ```bash cd ~/.openclaw/workspace ``` 打开 `MEMORY.md` 或对应日期日志，删除那段内容，然后重建索引： ```bash openclaw memory index ``` 如果信息在多处出现，用搜索定位： ```bash rg "旧项目 X|old-project-x|相关关键词" ~/.openclaw/workspace ``` 逐处删除后，再问一次： ```text 你还记得旧项目 X 的哪些信息？ ``` 如果 OpenClaw 仍然召回，可能来自会话历史、`dreams.md` 或知识库。继续搜索这些位置： ```bash rg "旧项目 X|old-project-x|相关关键词" ~/.openclaw ``` 如果要让旧信息不再主导回答，可以在 `MEMORY.md` 写清楚新的事实： ```markdown ## 项目状态 - 旧项目 X 已归档，不再作为当前默认项目。 - 当前默认项目是 OpenClaw 文档课程。 ``` 这种做法适合项目迁移、偏好变化、职责变化。删除适合敏感信息和错误事实；覆盖适合“以前是真的，现在变了”的事实。 ## 冲突处理：当 USER.md、MEMORY.md 和每日日志互相打架 记忆冲突很常见。例如： ```text USER.md：用户希望回答简短。 MEMORY.md：OpenClaw 教程需要写得厚。 memory/2026-06-09.md：今天要把安全章节补成详细工坊。 ``` 这三条并不矛盾。用户沟通偏好是“跟用户说话简短”，文档产物要求是“课程内容厚”。如果 Agent 把它们混起来，就会出现“教程也写得很短”的问题。 整理冲突时，用“适用范围”消解： ```markdown ## 沟通偏好 - 和用户汇报进度时保持简短。 - 写课程正文时根据主题充分展开，不因为聊天偏好压缩教程内容。 ``` 再比如： ```text MEMORY.md：默认使用本地模型。 memory/2026-06-09.md：今天为了测试模型配置，临时使用 OpenAI provider。 ``` 这里应该把 `MEMORY.md` 改成： ```markdown ## 模型策略 - 默认使用本地模型处理隐私材料。 - 做公开文档示例或非敏感测试时，可以临时切换云端 provider。 ``` 记忆冲突不能简单越删越好。把“默认规则”“例外情况”“适用场景”写清楚是更有效的整理方式。 ## 迁移记忆：从个人机器到新环境 换电脑、换服务器、把 OpenClaw 从本地迁到 Docker，都会遇到记忆迁移。记忆迁移最重要的不是复制目录，而是避免把旧机器的凭证和会话垃圾一起带过去。 推荐迁移这些： ```text ~/.openclaw/workspace/MEMORY.md ~/.openclaw/workspace/USER.md ~/.openclaw/workspace/memory/ ~/.openclaw/workspace/dreams.md ``` 谨慎迁移这些： ```text ~/.openclaw/auth-profiles.json ~/.openclaw/agents/*/auth-profiles.json ~/.openclaw/workspace/sessions/ ``` 不要直接打包整个 `~/.openclaw` 扔到新机器，除非你非常确定新旧环境的用户、路径、权限、模型 provider 都一致。 更稳的迁移流程： ```bash # 旧机器：只打包记忆和用户画像 cd ~/.openclaw/workspace tar -czf ~/openclaw-memory-clean.tar.gz MEMORY.md USER.md memory dreams.md # 新机器：解压到工作空间 mkdir -p ~/.openclaw/workspace tar -xzf ~/openclaw-memory-clean.tar.gz -C ~/.openclaw/workspace # 新机器：重建索引 openclaw memory index openclaw memory status ``` 如果你有多个 Agent，不要把所有记忆合并成一个大文件。按 Agent 迁移： ```text main -> ~/.openclaw/workspace/ coding -> ~/.openclaw/workspace-coding/ support -> ~/.openclaw/workspace-support/ ``` 迁移后分别测试： ```text 你是谁？你负责什么？ ``` 如果 coding Agent 回答了 support Agent 的职责，说明工作空间或 SOUL/MEMORY 文件放错了。 ## 记忆卫生：每周 10 分钟维护法 记忆系统不需要每天大扫除，但需要固定维护。每周花十分钟就够： 1. 打开 `MEMORY.md`，删除已经完成或过期的项目。 2. 把重复偏好合并成一条。 3. 把“今天做了什么”移到对应日期日志。 4. 搜索 `key`、`token`、`password`、`secret`，确认没有敏感信息。 5. 运行 `openclaw memory index`。 6. 问一个和当前工作有关的问题，看召回是否准确。 可以用命令快速找风险词： ```bash rg -n "key|token|password|secret|AKIA|sk-" ~/.openclaw/workspace ``` 如果命中的是示例，也要确认已经脱敏： ```text sk-*** 或 ${OPENAI_API_KEY} ``` 记忆文件是给未来的 Agent 看的。写得越像“可执行上下文”，未来越省力；写得越像聊天碎片，未来越容易误导。 ## 记忆工坊：把项目上下文交给新 Agent 很多人使用记忆系统，是为了让新会话不用从零解释项目。下面练习把一个项目上下文整理成 Agent 能长期使用的记忆。 假设你正在维护一个开源课程项目。你希望 OpenClaw 以后知道： ```text - 课程面向中文读者。 - 文档要有真实命令和排错路径。 - 不在正文里写内部质量检查。 - FAQ 编号按每个分类从 Q1 开始。 - OpenClaw 的功能不能照搬 Claude Code 或 Codex。 ``` 不要把这些话全部塞进一段长文本。拆成 `USER.md` 和 `MEMORY.md`。 `USER.md`： ```markdown # 用户偏好 ## 写作偏好 - 中文教程要自然、具体、可操作。 - 汇报时先说结论，再给关键数据。 - 不喜欢机械堆叠固定模板。 ## 协作偏好 - 修改文档前先读现有结构。 - 发现问题要直接修，不只给建议。 ``` `MEMORY.md`： ```markdown # 项目记忆 ## OpenClaw 课程原则 - 教程正文只写读者需要的课程内容。 - 不写内部交付口径、打分表和自检话术。 - 不放空图说明或未提供的图片提示。 - FAQ 分类内编号从 Q1 开始。 - 不能虚构 OpenClaw 功能，能力边界要按本项目文档确认。 ## 课程结构 - 00 阅读指南：学习路径。 - 01 项目介绍：产品心智模型。 - 02 安装部署：安装、升级、迁移。 - 03 快速开始：第一条消息和日志。 - 04 模型配置：provider、fallback、成本。 - 05 消息平台：Channel、Pairing、日志。 - 06 技能系统：Skill 编写和调试。 - 07 记忆系统：USER/MEMORY/日志。 - 08 多 Agent：路由和协作。 - 09 Docker：长期部署。 - 10 安全：加固和事故响应。 - 11 FAQ：问题定位。 ``` 写完后重建索引： ```bash openclaw memory index ``` 测试： ```text 我写 OpenClaw 课程时有哪些不能做的事？ ``` 理想回答应该提到课程正文只保留读者需要的内容、不放空图提示、不虚构功能、FAQ 编号规则。如果它只泛泛回答“要写得清楚”，说明记忆写得太抽象。 ## 记忆模板：个人、项目、团队三类分开 你可以直接复用下面三种模板。 ### 个人偏好模板 适合 `USER.md`： ```markdown # 用户画像 ## 沟通偏好 - ... ## 写作偏好 - ... ## 技术偏好 - ... ## 不喜欢的做法 - ... ## 需要提醒我的事 - ... ``` 不要写： ```text - 密码。 - token。 - 家庭住址。 - 身份证。 - 私聊原文。 ``` ### 项目事实模板 适合 `MEMORY.md`： ```markdown # 项目记忆 ## 项目目标 - ... ## 技术栈 - ... ## 目录结构 - ... ## 长期决策 - ... ## 当前约束 - ... ## 不要做 - ... ``` 这里的关键是“长期”。今天临时修一个错别字，不该进入项目长期记忆；“FAQ 编号规则”这种会持续影响写作的规则，才适合放进去。 ### 团队协作模板 适合共享记忆或团队 Agent： ```markdown # 团队工作记忆 ## 频道 - 支持频道： - 公告频道： - 内部讨论： ## 升级流程 - ... ## 安全边界 - ... ## 转交规则 - ... ## 常用 Runbook - ... ``` 团队记忆要写得更克制。不要把个人偏好、私聊、客户原文混进去。团队 Agent 只需要完成工作所需的信息。 ## 记忆质量自查：一条记忆是否值得长期保存 每次准备写入长期记忆前，问五个问题： ```text 1. 这条信息三个月后还有效吗？ 2. 它会影响未来多次回答吗？ 3. 它是否可以被另一个 Agent 看到？ 4. 它是否包含敏感信息？ 5. 它是否比“今天的日志”更稳定？ ``` 例子： | 句子 | 放哪里 | 原因 | |---|---|---| | “用户喜欢先结论后步骤” | USER.md | 长期沟通偏好 | | “今天修了 Docker 章节” | 每日日志 | 临时进展 | | “Gateway 默认端口是 18789” | MEMORY.md | 长期事实 | | “API Key 是 sk-xxx” | 不保存 | 敏感凭证 | | “下周可能换模型” | 每日日志 | 未确定计划 | | “团队禁止 Bot 自动发布公告” | MEMORY.md / 团队记忆 | 长期安全边界 | 记忆写得好，Agent 像了解你的同事；记忆写得乱，Agent 像翻过一堆旧聊天记录的人。 ## 多 Agent 记忆分工 多 Agent 场景下，不建议所有 Agent 共享同一份 `MEMORY.md`。每个 Agent 应该记住自己职责内的信息。 例如： ```text main Agent: 用户偏好、全局安全边界、当前主要项目。 support Agent: 常见安装问题、排查流程、公开文档链接。 docs Agent: 文档结构、写作规范、术语表。 ops Agent: 运行手册、部署路径、告警解释规则。 ``` 目录可以这样： ```text ~/.openclaw/workspace/ ~/.openclaw/workspace-support/ ~/.openclaw/workspace-docs/ ~/.openclaw/workspace-ops/ ``` 如果需要共享事实，不要复制粘贴到每个 `MEMORY.md`，可以写一个共享文件： ```text ~/.openclaw/shared/project-facts.md ``` 然后在各 Agent 的 SOUL.md 中说明只读引用： ```markdown ## 共享项目事实 需要项目通用背景时，读取 `~/.openclaw/shared/project-facts.md`。 不要修改该文件；如果发现过时信息，向 main Agent 或用户提出更新建议。 ``` 这样能减少冲突。共享记忆越少，越容易维护；共享事实越清楚，越不容易互相污染。 ## 记忆与知识库的边界 记忆和知识库都能让 AI “知道更多”，但它们用途不同。 | 类型 | 适合放 | 不适合放 | |---|---|---| | 记忆 | 用户偏好、项目事实、长期决策 | 大量文档、完整日志、外部网页 | | 知识库 | API 文档、产品手册、FAQ、长资料 | 私人偏好、临时计划 | | 每日日志 | 当天进展、临时结论、待办 | 永久规则、凭证 | 如果你有一份 200 页的产品手册，不要塞进 `MEMORY.md`。它应该进知识库或 RAG。`MEMORY.md` 只需要记： ```markdown ## 产品资料 - 产品手册位于知识库 `product-manual`。 - 回答产品功能问题时优先检索该知识库。 - 不确定时引用资料位置，不编造。 ``` 这样长期记忆保持轻，知识库负责大资料。 ## 常见问题 ### Q1：AI 怎么突然不记得之前说的话了？ 最常见的原因是 compaction。当对话太长，早期消息会被压缩成摘要，细节可能丢失。 解决方案： - 重要信息主动让 AI 写入记忆文件 - 开启 `memoryFlush`，compaction 前自动保存 - 增大 `reserveTokensFloor`，保留更多上下文 ### Q2：记忆文件太大了怎么办？ 用 `openclaw memory status` 查看索引状态，直接编辑 `~/.openclaw/workspace/MEMORY.md` 整理内容。超过 30 天的日志可以手动归档到 `memory/archive/` 目录。建议 `MEMORY.md` 控制在 500 行以内。 ### Q3：能不能让 AI 忘记某些事？ 可以。直接编辑记忆文件删除对应内容，或者告诉 AI： ``` 你：忘掉关于旧项目 X 的所有信息 AI：好的，我已从记忆中删除了关于项目 X 的 5 条记录。 ``` ### Q4：多个 Agent 能共享记忆吗？ 默认不共享。每个 Agent 有独立的 workspace 和记忆文件。 如果需要共享，可以用符号链接： ```bash # 让 coding Agent 共享 main Agent 的 MEMORY.md ln -s ~/.openclaw/workspace/MEMORY.md ~/.openclaw/workspace-coding/MEMORY.md ``` 但要注意并发写入可能导致冲突。更安全的做法是通过独立 workspace 隔离，仅在需要时手动同步。 ### Q5：记忆搜索不准确怎么办？ OpenClaw 使用 sqlite-vec 支持混合搜索（关键词 + 语义），搜索质量通常不错。如果仍然不够精确： 1. 运行 `openclaw memory index` 确保索引是最新的 2. 开启 RAG + 知识库插件，扩大搜索范围 3. 给记忆内容加标签，提高匹配精度 ### Q6：换了电脑怎么迁移记忆？ 记忆就是文件，直接复制或用 Git 同步： ```bash # 打包导出 tar -czf openclaw-memory.tar.gz ~/.openclaw/workspace/ # 新电脑导入 tar -xzf openclaw-memory.tar.gz -C ~/ # 或者用 Git cd ~/.openclaw/workspace && git init && git add . && git commit -m "backup" ``` ### Q7：记忆系统会影响响应速度吗？ 影响很小。主要开销在启动时加载记忆文件（通常 < 1 秒）和 `memory_search` 搜索。如果觉得慢，精简 `MEMORY.md` 内容、归档旧日志文件，或运行 `openclaw memory index` 重建索引。 ## 下一步 记忆系统搞定了，你的 AI 助手现在能记住你是谁、你在做什么、你喜欢什么。去 [08. 多 Agent 路由](08-多Agent协作指南.md) 学习如何运行多个 AI 助手，让它们各司其职。