人工智能知识库

OpenClaw 记忆系统完全指南

11分钟阅读

OpenClaw 记忆系统完全指南

普通 AI 每次对话都是”新面孔”，你不认识它，它也不认识你。记忆系统就是让 AI 变成”老朋友”的关键。

先搞清楚：什么是记忆系统？

简单解释

记忆系统 = AI 的”笔记本”

想象一下：

  • 普通 AI 就像鱼，只有 7 秒记忆
  • 有记忆系统的 AI 就像老朋友，记得你叫什么、喜欢什么、之前聊过什么

没有记忆 vs 有记忆

没有记忆：

你：帮我看看上次那个项目怎么样了
Bot：抱歉，我不知道你在说什么项目

有记忆：

你：帮我看看上次那个项目怎么样了
Bot：你是说"智慧城市"项目吗？目前进度如下：
- 第一阶段：已完成 ✅
- 第二阶段：进行中 🔄
- 第三阶段：待开始 ⏳

记忆系统的价值

场景没有记忆有记忆
”上次聊的那个事”不记得记得
”我是谁”不认识认识
”我喜欢的风格”不知道知道
”之前给的数据”不记得记得

OpenClaw 记忆系统是怎么工作的？

三层记忆结构

OpenClaw 的记忆分为三层：

层次生命周期容量用途
工作记忆当前会话~8000 tokens正在处理的信息
短期记忆几天~100 条最近的对话
长期记忆永久~1000 条重要的事实和偏好

打个比方

工作记忆 = 桌上的便签（用完就扔）
短期记忆 = 抽屉里的文件（保留一周）
长期记忆 = 保险柜里的重要文件（永久保存）

记忆是怎么存的？

文件结构

OpenClaw 用 Markdown 文件存记忆：

~/.openclaw/memory/
├── long_term/                    # 长期记忆
│   ├── facts.md                 # 事实：你是谁、做什么
│   ├── preferences.md           # 偏好：你喜欢什么
│   ├── knowledge.md             # 知识：你的专业领域
│   └── projects/                # 项目记忆
│       └── smart-city.md        # "智慧城市"项目详情
├── short_term/                  # 短期记忆
│   └── session_20260424_abc.md # 今天会话
└── working/                    # 工作记忆
    └── context.md              # 当前工作上下文

记忆文件长什么样？

facts.md：

# 关于用户的事实
 
- 名字叫张三
- 在北京工作，是一名产品经理
- 创业中，项目是智慧城市解决方案
- 2025 年开始做 AI 相关产品
- 技术背景：Python、JavaScript

preferences.md：

# 用户偏好
 
- 喜欢简洁的回复，不要太啰嗦
- 喜欢用中文
- 喜欢在早上处理复杂问题
- 咖啡爱好者
- 不喜欢被打扰，除非紧急

projects/smart-city.md：

# 智慧城市项目
 
## 基本信息
- 启动时间：2025年3月
- 团队规模：5人
- 当前阶段：第二阶段开发
 
## 技术栈
- 前端：React + TypeScript
- 后端：Python FastAPI
- 数据库：PostgreSQL
- AI：Claude API
 
## 当前进展
- [x] 需求调研
- [x] 架构设计
- [ ] 第一阶段开发
- [ ] 测试

怎么管理记忆？

方式一：手动编辑文件

最直接的方式——直接改 Markdown 文件。

# 打开记忆文件
nano ~/.openclaw/memory/long_term/facts.md
 
# 或者用 VSCode
code ~/.openclaw/memory/long_term/facts.md

方式二：告诉 AI 帮忙记录

你：记住我叫小明，在上海工作，是个前端开发
Bot：好的，已记住！
- 名字：小明
- 城市：上海
- 职业：前端开发

方式三：安装记忆管理插件

# 安装记忆插件
openclaw skill install @openclaw/memory-manager
 
# 常用命令
openclaw memory list        # 列出所有记忆
openclaw memory add "..."   # 添加记忆
openclaw memory delete <id> # 删除记忆
openclaw memory search "..." # 搜索记忆

怎么让 AI 自动记住重要对话？

触发词设置

在 config.yaml 里设置：

memory:
  auto_remember:
    enabled: true
    keywords:
      - "记住"
      - "帮我记一下"
      - "这个很重要"
      - "以后要用"
    importance_threshold: 0.7    # 重要性阈值

工作原理

你说："帮我记住，我喜欢用中文回复"
    │
    ▼
OpenClaw 检测到触发词
    │
    ▼
提取关键信息
    │
    ▼
保存到 facts.md 或 preferences.md
    │
    ▼
下次对话时，AI 读取这些记忆
    │
    ▼
AI 用中文回复 ✅

手动标记重要性

你：这是一个非常重要的项目，帮我记住
Bot：好的，已标记为重要信息！

记忆检索是怎么工作的？

检索流程

你问问题
    │
    ▼
OpenClaw 提取关键词
    │
    ▼
搜索记忆文件
    │
    ├─── long_term/ 里搜
    ├─── short_term/ 里搜
    └─── working/ 里搜
    │
    ▼
按相关性排序
    │
    ▼
取最相关的几条记忆
    │
    ▼
塞到 AI 的上下文里
    │
    ▼
AI 有了"背景知识"，回复更准确

检索算法

OpenClaw 用关键词匹配来检索记忆：

# 伪代码示例
def search_memory(query):
    # 1. 把问题拆成关键词
    keywords = extract_keywords(query)
 
    # 2. 搜索所有记忆文件
    results = []
    for file in all_memory_files:
        score = calculate_match_score(keywords, file.content)
        if score > 0.3:
            results.append((score, file))
 
    # 3. 按匹配度排序
    results.sort(reverse=True)
 
    # 4. 返回前 5 条
    return results[:5]

局限性：目前是简单的关键词匹配，不如 Hermes 的语义搜索智能。

进阶：向量数据库（可选）

如果觉得简单关键词搜索不够用，可以升级到向量数据库。

什么是向量搜索？

普通搜索找”完全匹配的词”，向量搜索找”意思相近的内容”。

搜索方式你搜找到
关键词搜索”咖啡”包含”咖啡”的文章
向量搜索”早上喝什么提神”包含”咖啡”的文章 ✅

怎么启用向量搜索？

memory:
  type: "vector"
  vector:
    provider: "chroma"      # chroma/qdrant/pinecone
    embedding_model: "text-embedding-3-small"
 
    # Chroma 配置（本地）
    chroma:
      persist_directory: "~/.openclaw/vector_db"

安装向量数据库

# Chroma（推荐，最简单）
pip install chromadb
 
# 或者用 Docker
docker run -d -p 8000:8000 chromadb/chroma

记忆安全和管理

备份记忆

# 备份
tar -czf memory-backup-$(date +%Y%m%d).tar.gz ~/.openclaw/memory/
 
# 恢复
tar -xzf memory-backup-20260424.tar.gz

导出记忆

# 导出为 JSON
openclaw memory export --format json --output memory.json
 
# 导出为 Markdown
openclaw memory export --format markdown --output memory/

清理记忆

# 清理旧的短期记忆（30天前）
openclaw memory prune --older-than 30d
 
# 清理不重要记忆
openclaw memory prune --importance low
 
# 查看记忆统计
openclaw memory stats

记忆加密（敏感信息）

对于敏感记忆，可以加密存储：

memory:
  encryption:
    enabled: true
    key: "${MEMORY_ENCRYPTION_KEY}"    # 16/24/32 字节密钥

常见问题

Q: AI 还是不记得之前的事？

排查步骤：

  1. 检查记忆文件是否存在
ls -la ~/.openclaw/memory/long_term/
  1. 检查内容是否正确
cat ~/.openclaw/memory/long_term/facts.md
  1. 检查配置文件
memory:
  enabled: true
  long_term_dir: "./memory/long_term"
  1. 重启服务
docker restart openclaw

Q: 记忆太多了，AI 加载很慢？

解决方案：

  1. 减少加载数量
memory:
  max_context: 5    # 最多加载 5 条记忆
  1. 定期清理不重要记忆
openclaw memory prune --importance low
  1. 压缩记忆
openclaw memory compact

Q: 不想让 AI 记住某些事？

方式一：清除特定记忆

openclaw memory delete "某条记忆"

方式二：忽略重要对话

你：这是私人对话，不要记住

方式三：禁用自动记忆

memory:
  auto_remember:
    enabled: false

Q: 切换用户时记忆串了？

确保每个用户有独立的记忆文件：

memory:
  per_user_memory: true    # 开启用户隔离

记忆系统最佳实践

1. 定期整理

每周花 5 分钟整理记忆：

  • 删除过时信息
  • 更新变化的信息
  • 补充新信息

2. 保持简洁

记忆不是写日记，要简洁：

# ✅ 好例子
- 叫张三
- 创业中，项目：智慧城市
- 技术栈：React + Python
 
# ❌ 坏例子
- 2023年3月15日在咖啡馆遇到了一个叫张三的创业者
- 他看起来很有精神，穿着蓝色衬衫
- 我们聊了很久关于AI的话题

3. 结构化存储

按主题分类存储：

memory/long_term/
├── facts.md           # 基本事实
├── preferences.md     # 偏好
├── skills.md         # 技能/专业
├── projects/        # 项目
├── contacts/         # 联系人
└── notes/            # 杂项

4. 标记重要程度

<!-- importance: high -->
- 这个项目非常重要，是公司的核心产品
 
<!-- importance: medium -->
- 喜欢用简洁的回复
 
<!-- importance: low -->
- 今天下雨了，心情不太好

5. 与笔记软件同步

# 同步 Obsidian
openclaw skill install @openclaw/obsidian
 
# 配置同步
openclaw memory sync --source obsidian --target openclaw

和 Hermes 的记忆系统对比

维度OpenClawHermes
存储方式Markdown 文件SQLite + FTS5
检索方式关键词匹配语义搜索
速度较慢快（毫秒级）
容量万级百万级
智能程度基础更智能

简单说：

  • OpenClaw 的记忆简单够用
  • Hermes 的记忆更强大但配置复杂

下一步

学会了记忆系统？继续学习：

教程内容
OpenClaw高级用法记忆的高级应用
OpenClaw插件开发开发记忆增强插件
Hermes_Agent详解Hermes 的智能记忆

文档状态：记忆系统指南
更新时间：2026年4月

关系图谱

反向链接