阿里的这个插件,让OpenClaw记忆提升了13个百分点

大家好，我是苍一，一个干了13年的后端开发，正在探索AI编程，从产品到开发的全生命周期最佳实践，如果您感兴趣，欢迎关注👇，看我如何自我革命。

AI Agent的记忆能力是一个被低估的工程难题。大语言模型在单轮对话中表现很好，但会话一结束，上下文全部清空。怎么让Agent跨会话地记住用户偏好、关键事实和历史决策？OpenClaw用Markdown文件构建了一套多层记忆体系，覆盖写入、演进、召回的完整链路。这套设计思路有独到之处，但全链路依赖LLM做决策，实际记忆稳定性并不理想。

本文从源码角度拆解OpenClaw记忆系统的每个环节，分析不确定性来源，并介绍RDSClaw记忆插件如何在这些薄弱点上做工程补强。

记忆系统的文件体系

OpenClaw的核心原则：所有持久状态都是磁盘上的Markdown文件。Agent身份、规则、记忆、工具配置，全部以明文.md文件存放在工作区目录下，每次会话启动时按优先级注入系统提示词。

关键文件分两类。第一类是每次会话必加载的：AGENTS.md定义工作区规则和安全边界，SOUL.md定义Agent个性，IDENTITY.md记录身份元数据，USER.md记录用户档案。第二类是动态记忆：MEMORY.md存储经过验证的长期记忆，memory/YYYY-MM-DD.md存储当天观察和临时笔记。MEMORY.md只在私聊主会话中加载，防止在群聊中泄露个人上下文。

记忆写入的两条路径

信息从对话进入记忆文件，主要通过两条路径。

第一条是Agent主动写入。对话中Agent可以随时调用write工具，把信息写入当日记忆文件。用户明确要求时Agent会执行，但更多时候靠Agent自主判断。没有结构化提取规则，没有强制输出模板，具体写什么、怎么写，全看LLM当次推理的理解。

第二条是Memory Flush自动写入。这是上下文压缩前的安全网。当token计数接近阈值，或会话转录文件过大，系统向LLM发送提取指令，要求保存值得持久化的信息。Flush期间write工具被限制为追加模式，只能写入当天日记忆文件。

两条路径的分工：主动写入是日常主力，但完全依赖Agent自觉；Flush是压缩前的最后机会，防止长对话中信息被裁剪丢失。

日记忆到长期记忆的晋升

默认配置下，日记忆晋升到MEMORY.md全靠Agent自己。AGENTS.md模板指导Agent在心跳期间定期回顾日记忆，挑选重要内容写入长期记忆。但这只是建议，没有机制保证晋升一定发生。

Dreaming梦境系统

Dreaming是OpenClaw的可选功能，默认关闭。启用后创建Cron任务，默认每天凌晨3点运行，将日记忆分三个阶段处理。

Light Sleep从多个信号源搜集候选记忆，用Jaccard相似度去重。问题是Jaccard只能识别字面重叠，”用户喜欢苹果”和”用户爱吃苹果”语义相同但可能被判不相似。

REM Sleep对候选做模式分析和置信度评分，保留高分候选。

Deep Sleep用六维加权评分（频率、相关性、多样性、时效性、巩固度、概念丰富度）决定哪些记忆能进入MEMORY.md。晋升门控要求综合分不低于0.80，合并信号计数不低于3，独立查询数或召回天数不少于3。

六维评分完全基于统计信号。一条对用户极其重要但只提过一次的信息，在统计评分中可能远低于反复出现但无关紧要的信息。这是纯统计方法的固有局限。

原生系统的不确定性在哪里

从写入到召回，整条链路上叠加了多个不确定性环节。

写入环节，是否写入、写什么、怎么写，完全由LLM单次推理决定。晋升环节不确定性更大，默认路径靠Agent自觉，可能长期不执行。Dreaming路径即使启用，晋升门控要求多次跨日信号积累，时效性强的信息等到信号攒够可能已经过时了。

召回环节受配置制约。有没有向量模型、Agent是否意识到需要检索、查询词是否精准，都影响最终效果。

这些不是设计缺陷，而是通用框架在兼容性和精度之间的权衡。但不确定性覆盖了完整链路，叠加效应会拉低体验。

RDSClaw记忆插件的工程补强

RDSClaw的openclaw-memory-alibaba-local插件针对上述不确定性做了针对性设计。核心思路：把记忆写入从”Agent自主判断”变成”每轮对话结束自动触发”，把晋升从”统计评分”变成”LLM语义整合”。

插件从对话中提取两类记忆：个人画像（用户偏好、个人详情、计划意图）和世界记忆（事件、实体、第三方信息）。

管线分两个阶段。第一阶段是提取，用LLM做结构化提取，配合强制规则约束输出格式。第二阶段是整合，对每条新事实，先向量检索已有记忆，再用LLM判定动作：INSERT、UPDATE、SKIP、DELETE。存储用的是LanceDB，同时支持向量ANN、BM25全文检索和标量索引。

与原生系统的关键差异：提取时机是每轮对话结束自动触发，整合决策有LLM参与语义判断，整个管线在当轮对话结束即完成，不需要等Cron调度。

自进化记忆管线

除了记住用户，RDSClaw还有一条自进化管线，从Assistant消息中提取AI自身的行为经验。三类提取目标：最佳实践（可复用的行为规则）、错误经验（应避免的模式）、行为诉求（用户对AI行为的期望）。

这让Agent不仅记住用户是谁，还能越用越好。

LoCoMo10评测对比

用LoCoMo10长对话记忆基准对比两套系统，覆盖事实查询、时间推理、逻辑推理和描述性问答四个类别。

事实查询，原生系统34.04%，RDSClaw插件62.54%，提升28.50个百分点。时间相关问题，原生57.01%，RDSClaw 67.07%。推理性问题，原生43.75%，RDSClaw 65.35%。描述性问答，原生68.37%，RDSClaw 78.18%。

总体准确率从58.18%提升到72.08%，在不更换底层LLM的前提下，仅通过记忆管线的工程优化实现了13.90个百分点的提升。

https://github.com/snap-research/locomo