OpenClaw Day5：别再让AI从头学起！OpenClaw记忆系统详解，一次配置永久记忆

为什么你的AI总是“一问三不知”？因为你没教会它如何记忆。

如果你经常在飞书里和OpenClaw一起工作，可能有过这样的体验：昨天刚交代的任务、刚创建的技能、刚讨论过的技术方案，今天再问它，它却一脸茫然，仿佛一切从未发生。你不得不一遍又一遍地重复：“上次我们不是说好了吗？”“这个我之前告诉过你啊！”——这种“AI失忆症”，不仅麻烦，还很让人气恼。

我就是被这个问题折磨了好几次，终于下定决心研究OpenClaw的记忆系统。为什么不能让AI像人一样，记住重要的东西，忘掉无关的琐事？为什么每次重启会话，它就要从零开始？

其实，OpenClaw早已为此准备了完整的记忆机制。如果你已经用它完成过一些任务，可能对这种情况并不陌生：明明上周刚讨论过的架构决策，今天重启会话后，AI又忘得一干二净，需要你重新解释一遍。

这其实不是AI“笨”，而是OpenClaw的对话默认是无状态的——每次新会话都是一张白纸。但OpenClaw真正强大之处在于，它有一套完整的记忆系统，可以让AI真正做到“过目不忘”。

今天这篇Day5，我们来彻底搞懂OpenClaw的记忆机制，让你的AI成为真正了解项目的长期搭档。

OpenClaw的记忆系统设计理念非常朴素：所有记忆都是纯文本文件，模型只“记住”写入磁盘的内容。

这意味着：

• 你可以直接用编辑器打开、修改记忆文件
• 版本控制友好，可以和代码一起提交
• 完全透明，没有黑盒

默认工作空间（~/.openclaw/workspace）中有两类记忆文件：

• 特点
  ：仅追加，永不修改
• 用途
  ：记录日常对话、运行上下文、临时笔记
• 加载规则
  ：每次会话开始时，自动读取今天和昨天的日志

• 特点
  ：精心整理的持久化信息
• 用途
  ：项目决策、架构设计、重要约定、个人偏好
• 加载规则
  ：仅在私人会话中加载，群组中永不加载（隐私保护）

AI不会自己判断什么该记、什么该忘。你需要教会它：

• 决策、偏好、持久性事实
  → 写入MEMORY.md
• 日常笔记、运行上下文
  → 写入memory/YYYY-MM-DD.md
• 当你说“记住这个”时
  → 必须写入文件，不能只存在内存里

如果你想让某些内容持久保存，可以直接提醒AI：

“请把这条规则写入记忆：所有API请求必须加时间戳。”

文档特别说明：“提醒模型存储记忆会有帮助；它会知道该怎么做。”

OpenClaw有一个非常贴心的设计：自动记忆刷新。

当会话接近自动压缩（上下文窗口快满）时，OpenClaw会触发一个静默的智能体回合，提醒模型在上下文被压缩之前，把重要信息写入持久记忆。

• 软阈值触发
  ：当会话token接近限制时（默认配置：reserveTokensFloor: 20000+softThresholdTokens: 4000），触发刷新
• 静默执行
  ：默认提示中包含NO_REPLY，所以用户完全感知不到这个过程
• 仅一次
  ：每个压缩周期只刷新一次

{  "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."        }      }    }  }}

仅仅把信息存下来还不够，AI还需要能在需要时找到它们。OpenClaw支持语义搜索，即使提问的措辞和原始记录不同，也能找到相关记忆。

• 在MEMORY.md、memory/*.md以及配置的额外路径上构建向量索引
• 将Markdown文件分块（每块约400 token，80 token重叠）
• 为每个块生成向量嵌入（支持远程API或本地模型）

{
  "agents": {
    "defaults": {
      "memorySearch": {
        "enabled": true,
        "provider": "openai",  // 可选：openai, gemini, local
        "model": "text-embedding-3-small",
        "remote": {
          "apiKey": "YOUR_API_KEY"
        }
      }
    }
  }
}

自动选择机制：

• 如果配置了本地模型路径，自动使用本地
• 如果检测到OpenAI密钥，自动使用OpenAI
• 如果检测到Gemini密钥，自动使用Gemini
• 否则记忆搜索保持禁用

如果你担心数据隐私，可以使用本地嵌入：

{
  "agents": {
    "defaults": {
      "memorySearch": {
        "provider": "local",
        "local": {
          "modelPath": "hf:ggml-org/embeddinggemma-300M-GGUF/embeddinggemma-300M-Q8_0.gguf"
        }
      }
    }
  }
}

模型文件会自动下载（约0.6GB），完全离线运行。

如果想索引默认位置之外的Markdown文件：

{
  "agents": {
    "defaults": {
      "memorySearch": {
        "extraPaths": ["../team-docs", "/srv/shared-notes/overview.md"]
      }
    }
  }
}

OpenClaw支持混合搜索，结合两种检索方式：

混合搜索同时使用两种信号，取长补短。

{
  "agents": {
    "defaults": {
      "memorySearch": {
        "query": {
          "hybrid": {
            "enabled": true,
            "vectorWeight": 0.7,  // 向量权重
            "textWeight": 0.3,     // 关键词权重
            "candidateMultiplier": 4
          }
        }
      }
    }
  }
}

安装记忆插件后，AI可以使用两个专用工具：

使用示例：

“搜索一下我们之前讨论过的登录模块设计”

避免重复嵌入未更改的文本：

{
  "agents": {
    "defaults": {
      "memorySearch": {
        "cache": {
          "enabled": true,
          "maxEntries": 50000
        }
      }
    }
  }
}

可选地索引历史会话记录：

{
  "agents": {
    "defaults": {
      "memorySearch": {
        "experimental": { "sessionMemory": true },
        "sources": ["memory", "sessions"]
      }
    }
  }
}

当sqlite-vec扩展可用时，搜索性能大幅提升：

{
  "agents": {
    "defaults": {
      "memorySearch": {
        "store": {
          "vector": {
            "enabled": true,
            "extensionPath": "/path/to/sqlite-vec"
          }
        }
      }
    }
  }
}

• 分而治之
  ：日常记录放memory/，重要决策放MEMORY.md
• 主动提示
  ：重要信息直接说“请记住这个”
• 相信自动机制
  ：自动记忆刷新会帮你在压缩前保存关键内容
• 按需配置搜索
  ：隐私敏感用本地嵌入，多设备用云端
• 善用混合搜索
  ：自然语言+精确关键词都能命中

装上记忆系统的OpenClaw，不再是“每次重启就失忆”的临时助手，而是一个真正了解你的项目、记住每一次讨论、积累每一条经验的长期搭档。

现在就打开你的OpenClaw，检查一下记忆配置，让AI开始“记笔记”吧！

🎁 福利：评论区回复“记忆系统”，获取本文配套的《OpenClaw Day5：记忆配置速查表（核心配置一页通）》飞书链接。

创见AI实验室，我们不只是介绍工具，我们共同创造工作方式的未来。