19. Memory 记忆系统
本章你将学到
- 为什么 LLM "金鱼脑"必须靠 Memory 系统救
- OpenClaw 三层记忆架构（工作 / 会话 / 长期）
- memory.md 文件怎么读 / 怎么手动改
- 记忆抽取策略：什么进 memory，什么不进
- 记忆检索策略：每次对话怎么"从一堆 memory 里找相关的"
- 实战：让 Agent 记住主人 50+ 件偏好
19.1 为什么需要 Memory
LLM 本身没有记忆——每次 API 调用都是"全新对话"。
如果你刚跟 ChatGPT 说"我对花生过敏"，关掉再开，它完全不记得。这就是"金鱼脑"。
OpenClaw 在 LLM 外面包了一层 Memory 系统——每次调用 LLM 前，把"相关的历史信息"主动塞进 prompt，假装 LLM 记得你。
一个比喻
没 Memory 的 LLM = 每天上班失忆的同事 有 Memory 的 LLM = 一个有"记事本"的同事，每天上班翻一翻就知道昨天聊到哪了
19.2 三层记忆架构
┌──────────────────────────────────────────────┐
│ 长期记忆 (Long-term) │
│ ├─ Soul 里的固定事实 │
│ └─ memory.md 里持续累积的事实 │
│ 范围: 永久 │
│ 例: "主人对花生过敏" │
├──────────────────────────────────────────────┤
│ 会话记忆 (Session) │
│ └─ 最近 N 次对话的关键摘要 │
│ 范围: 数天到数周（可配置） │
│ 例: "上周三聊过北京出差的事，已定酒店" │
├──────────────────────────────────────────────┤
│ 工作记忆 (Working) │
│ └─ 当前这次对话的完整上下文 │
│ 范围: 当前对话 │
│ 例: "5 分钟前你说'帮我订餐'" │
└──────────────────────────────────────────────┘每次 LLM 调用，OpenClaw 会合并这三层装进 prompt：
[soul.md 内容]
[相关的长期记忆 N 条]
[相关的会话记忆 M 条]
[当前对话的最近 K 轮]
[用户这一条消息]19.3 memory.md 长什么样
文件位置：~/.openclaw/workspace/agents/<agent-id>/memory.md
例子：
# Long-term Memory for xiaozhao
## 主人偏好
- 主人对花生过敏（2026-03-15 学到）
- 主人喝美式咖啡，不加糖（2026-04-02）
- 主人作息：早 6:30 起、晚 11 点睡（2026-04-10）
## 工作
- 主要项目：ai-learning-docs（持续维护）
- 项目 some-app 的 demo 截止 2026-05-23（紧急）
## 家庭
- 配偶：张三妻子（飞书 ou_xxxx）
- 孩子：张小宝，5 岁
- 父母联系频率：每周日下午电话
## 重要联系人
- 老板 王总（ou_yyy）：技术问题找他确认
- 直属 boss 李总（ou_zzz）：日常对接
## 第三方账号偏好
- 默认订餐平台：美团（主人偏好）
- 默认出行：滴滴它就是一个 Markdown 文件——你可以手动改。
19.4 记忆是怎么"自动"加进去的
OpenClaw 装了 core/memory skill 后，每次对话结束 LLM 会主动判断：
这次对话里有没有"应该长期记住的事"？
如果有，调用 memory.append() 写进 memory.md。
触发记忆抽取的常见信号
LLM 看到这类话会想"记下来"：
- 用户直接说："记一下：xxx"
- 用户表达稳定偏好："我喜欢/不喜欢/总是/从来不"
- 用户提到重要事实："我家狗叫旺财"
- 用户更正信息："不是 5 点，是 5 点半"
不会被记的
- 一次性问答："今天天气？"
- 临时上下文："这个 bug 怎么改"
- 已知的事重复说
怎么强制记
对 agent 直接说：
请把这件事记到长期记忆里：我每周三晚 7 点和老婆约会，那天不要 ping 我。怎么强制忘
请从长期记忆里删掉关于咖啡偏好的条目。或手动改 memory.md。
19.5 怎么把记忆"塞进" prompt（检索策略）
memory.md 可能有几百上千条。每次对话只能塞相关的几条进 prompt（不然太长 + 贵）。
OpenClaw 默认用 embedding + 余弦相似度：
1. memory.md 的每一条记忆，事先转成 embedding（数学向量）
2. 用户这一条消息也转 embedding
3. 余弦相似度排序
4. 取 top N（默认 10 条）塞进 prompt配置检索策略
# agent.yaml
memory:
retrieval:
strategy: embedding # embedding（推荐）/ keyword / hybrid / all
top_n: 10 # 取最相关 10 条
similarity_threshold: 0.5 # 相似度低于 0.5 的不要
embedding_model: bge-base # 用哪个 embedding 模型4 种检索策略对比
| 策略 | 效果 | 速度 | 成本 |
|---|---|---|---|
all | 把所有 memory 塞进 prompt | 完美 | 慢，贵 |
keyword | 用关键词匹配 | 一般 | 快，免费 |
embedding | 语义相似度匹配 | 好 | 中，少量调 embedding API |
hybrid | embedding + keyword 双路 | 最好 | 中等 |
新手用默认 embedding 即可。memory 超过 500 条时建议 hybrid。
19.6 工作记忆的细节
工作记忆 = 当前对话的最近几轮。
memory:
working:
max_turns: 20 # 最近 20 轮对话进 prompt
summarize_after: 10 # 超 10 轮时，老的自动总结成 1 段自动总结机制
对话 30 轮后：
- 最近 10 轮：完整保留（"还热乎"）
- 第 11-30 轮：被 LLM 自动总结成一段摘要
避免 prompt 越聊越长爆 context window。
19.7 会话记忆
会话记忆 = 最近 N 天的对话摘要。
memory:
session:
retention_days: 30 # 保留 30 天
summarize_per_session: true # 每次对话结束自动总结例子（一个 session 的摘要）：
[2026-05-15 21:30] 用户报告项目 demo 准备问题，
列出 3 项待办：A 录屏脚本、B 数据准备、C 演讲稿练习。
约定周三晚 8 点 review。下次跟 agent 说"上次聊到哪了？"，它能精准答上。
19.8 多 agent 共享 memory
两个场景需要共享：
场景 A：家里所有 agent 共享"主人偏好"
# global.yaml
shared_memory:
- id: family-facts
path: ~/.openclaw/workspace/shared-memory/family.md每个 agent 配：
# agent.yaml
memory:
use_shared:
- family-facts任何一个 agent 学到的"花生过敏"都会进 family.md，所有 agent 都能查到。
场景 B：互不干扰
不配 use_shared，每个 agent 自己一份 memory.md。例：
- 工作 agent 不该知道家里事
- 家庭 agent 不该知道公司机密
19.9 实战：让 Agent 记住主人 50+ 件偏好
第一步：初始 memory 模板
手写一份初始 memory.md 给 agent 一个起点：
# 长期记忆
## 个人基本
- 姓名：张三
- 生日：1990-05-18
- 城市：北京海淀
- 职业：独立开发者
## 偏好
- 早起，6:30 起床
- 喜欢美式咖啡（不加糖、不加奶）
- 健身：每周一三五 19:00-20:30
- 阅读偏好：技术 + 投资 + 心理学
## 过敏 / 禁忌
- 花生 ❌
- 海鲜 ⚠️（少量可以）
## 工作偏好
- 番茄钟工作 25 分钟休 5 分钟
- 14:00-16:00 不开会（深度工作时段）
- 周五下午开放 1on1
## 项目
- 当前主要项目：ai-learning-docs
- 紧急项目：some-app demo（5 月 23 截止）
## 家庭
- 配偶：xx
- 孩子：xx，5 岁
- 父母：xx, xx
## 重要联系人
- 老板 王总（ou_xxx）
- 直属 boss 李总（ou_yyy）
## 设备 / 服务
- Mac 主力机 + iPad Pro
- 偏好搜索引擎：DuckDuckGo
- 默认订餐：美团第二步：让 agent "认领"这份记忆
@xiaozhao 我刚更新了你的长期记忆，请确认你读过 memory.md 里的所有内容。agent 应该回复"已读到 X 条关键事实，记住了 a, b, c..."。
第三步：日常自动累积
agent 会在后续对话中自动追加新事实。一个月后你的 memory.md 可能涨到 100+ 条。
第四步：定期 review
# 看 memory 状态
openclaw memory list --agent xiaozhao --count
# 删过时的条目
openclaw memory remove --agent xiaozhao --id mem_xxx
# 或直接 vim memory.md 手动整理建议每月清一次
memory 越长，每次对话注入的 token 越多。100 条以内体验最佳，超 200 条建议手动归并精简。
19.10 隐私 / 安全
memory.md 明文存放——任何能读你机器的人都能看到。
推荐做法
- ✅ 默认
.openclaw目录设 700 权限：chmod 700 ~/.openclaw - ✅ 不写极敏感信息（如密码、身份证号）
- ✅ 加密备份（如用
gpg加密导出文件） - ❌ 不要 push 到 GitHub
- ❌ 不要在多人共用电脑上裸跑
真正敏感的事用"secret skill"管
openclaw skill install secrets-vault这个 skill 把敏感信息加密存（master password 解锁），agent 用时按需解密。比裸 memory 安全。
看完这一章你应该知道
✅ Memory 是给 LLM "金鱼脑"加挂的笔记本 ✅ 三层：工作（当下对话）/ 会话（最近几天）/ 长期（永久） ✅ memory.md 可以手动改、可以 reset ✅ 4 种检索策略，默认 embedding 够用 ✅ 多 agent 可共享 memory（家庭场景）或隔离（工作 vs 家庭） ✅ 月度 review 维持 100 条以内最佳
下一步：20. MCP 协议接入 →
Memory 让 agent 记住事，MCP 让 agent 接入更多外部工具（数据库、API、远程系统）。