一句话描述: 终极AI智能体记忆系统,6层记忆架构永不忘上下文。
结合6种成熟方法的终极记忆系统。永不丢失上下文、永不忘记决策、永不重复错误。
text
┌─────────────────────────────────────────────────────────────────┐
│ ELITE LONGTERM MEMORY │
├─────────────────────────────────────────────────────────────────┤
│ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ HOT RAM │ │ WARM STORE │ │ COLD STORE │ │
│ │ │ │ │ │ │ │
│ │ SESSION- │ │ LanceDB │ │ Git-Notes │ │
│ │ STATE.md │ │ Vectors │ │ Knowledge │ │
│ │ │ │ │ │ Graph │ │
│ │ (survives │ │ (semantic │ │ (permanent │ │
│ │ compaction)│ │ search) │ │ decisions) │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
│ │ │ │ │
│ └────────────────┼────────────────┘ │
│ ▼ │
│ ┌─────────────┐ │
│ │ MEMORY.md │ ← Curated long-term │
│ │ + daily/ │ (human-readable) │
│ └─────────────┘ │
│ │ │
│ ▼ │
│ ┌─────────────┐ │
│ │ SuperMemory │ ← Cloud backup (optional) │
│ │ API │ │
│ └─────────────┘ │
│ │
└─────────────────────────────────────────────────────────────────┘
来源: bulletproof-memory
活跃工作记忆,在压缩后仍然保留。写前日志协议。
markdown
# SESSION-STATE.md — 活跃工作记忆
## 当前任务
[我们现在正在做什么]
## 关键上下文
- 用户偏好: ...
- 已做决策: ...
- 阻塞项: ...
## 待处理动作
- [ ] ...
规则: 响应前写入。由用户输入触发,非智能体记忆。
来源: lancedb-memory
跨所有记忆的语义搜索。自动回忆注入相关上下文。
bash
# 自动回忆(自动发生)
memory_recall query="项目状态" limit=5
# 手动存储
memory_store text="用户偏好暗色模式" category="preference" importance=0.9
来源: git-notes-memory
结构化决策、学习和上下文。分支感知。
bash
# 存储决策(静默 — 永不宣布)
python3 memory.py -p $DIR remember '{"type":"decision","content":"前端使用React"}' -t tech -i h
# 检索上下文
python3 memory.py -p $DIR get "frontend"
来源: OpenClaw原生
人类可读的长期记忆。每日日志 + 提炼智慧。
text
workspace/
├── MEMORY.md # 精选长期(精华)
└── memory/
├── 2026-01-30.md # 每日日志
├── 2026-01-29.md
└── topics/ # 主题特定文件
来源: supermemory
跨设备同步。与你的知识库聊天。
bash
export SUPERMEMORY_API_KEY="your-key"
supermemory add "重要上下文"
supermemory search "我们决定了什么关于..."
新: 自动事实提取
Mem0自动从对话中提取事实。80% token减少。
bash
npm install mem0ai
export MEM0_API_KEY="your-key"
写前日志: 响应前写入状态,非之后。
触发器动作用户陈述偏好写入SESSION-STATE.md → 然后响应用户做出决策写入SESSION-STATE.md → 然后响应用户给出截止日期写入SESSION-STATE.md → 然后响应用户纠正你写入SESSION-STATE.md → 然后响应
为什么? 如果你先响应然后在保存前崩溃/压缩,上下文丢失。WAL确保持久性。
参数类型默认值说明autoRecallbooltrue自动回忆autoCaptureboolfalse自动捕获minImportancefloat0.7最小重要性阈值maxResultsint10最大结果数minScorefloat0.3最小相似度分数
text
用户: "这个项目我们用Tailwind,不用vanilla CSS"
智能体(内部):
1. 写入SESSION-STATE.md: "决策:用Tailwind,不用vanilla CSS"
2. 存储到Git-Notes: 关于CSS框架的决策
3. memory_store: "用户偏好Tailwind胜过vanilla CSS" importance=0.9
4. 然后响应: "好的 — 用Tailwind..."
bash
# 审计向量记忆
memory_recall query="*" limit=50
# 清除所有向量(核选项)
rm -rf ~/.openclaw/memory/lancedb/
openclaw gateway restart
# 导出Git-Notes
python3 memory.py -p . export --format json > memories.json
# 检查记忆健康
du -sh ~/.openclaw/memory/
wc -l MEMORY.md
ls -la memory/
版本日期变化v1.0.02026-04-12ClawHub发布版
🎩 马斯克出品 | 打造地表最强智能体