如何构建超越 Openclaw 的记忆系统

我最近在写一个产品，叫做 Sage，它是基于 Openclaw 和 Workany 开源框架设计的一个 Agent 系统。做这件事的初衷很简单，我想要套壳做一个简洁、自用的工具。

前期，我花了大量的时间用于复刻 Openclaw 的底层能力，如 Channel、Cornjob。支持了各类模型厂商 API 和金融数据接口，有了一个金融 Agent 的雏形。

本来产品开发到这个阶段应该暂告一段落，但我发现了 Sage 的潜力不止于此。

AI 介入编程领域之后，普通人通过 Coding 设计产品的门槛大大降低。即便是完全不懂代码的小白，仅凭几段话也可以敲出一个页面或者应用 Demo。

如果用户使用的是 Top 级别的大语言模型，如 Claude 或者 GPT，在不涉及系统工程和复杂代码的前提下，他的水平大致接近于一名资深的开发工程师。

这个假设是成立的，我在一年前甚至无法写出一行代码，现在只靠模型就可以手搓出一个复杂的应用。这给予了我极大的信心，代码不再是想法落地的阻碍。

大模型弭平了开发水平上的差距，决定一款产品是否优秀，核心还是会回归到产品经理的核心素养，即审美、哲思、边界和洞察力。

对应到产品上，就是用户体验、产品价值观、需求增量克制，少即是多。

举个例子，在 Sage 中，一开始我做了非常「重」的同步功能，应用主页会展示同步状态、时间。我还加了一个实时同步逻辑，一个绿色或红色的标点会一直闪烁，对用户的干扰性特别强。

功能优化之后，同步状态只会展示在头像左上角，以三种颜色，绿、红、灰表达已同步、同步失败、同步异常三种状态，并显示最近一次同步时间。

如图所示，这就是一个简单的用户体验优化。一个绿色圆点，足以让用户建立 it work 的认知。

借助大模型，产品经理可以逐步承担不同岗位的职能。除了 UX，还可以完成前后端开发，设计测试用例验收。

产品设计也是一样，产品经理可以完全基于自己的哲学理念设计、开发功能。比方说 Openclaw 是一个开源框架，你可以改掉框架中所有不喜欢的功能。

以我的实践为例，我特别想改的功能是「记忆系统」，因为通用场景的 Memory 框架和金融场景并不兼容。

主流的 Agent 记忆框架下，模型需要自己读、理解并判断用户的哪些问题是重要的，缺少去重、演化的逻辑。

Openclaw 会把重点记入 Memory.md，作为上下文塞给模型；Hermes-Agent 依赖模型调用 memory.remember() 工具，模型自主决定是否需要调取用户记忆。

模型有概率会记错事实、不了解事实的重要性、混杂用户的新旧习惯，最严重的情况可能是基于过时的记忆给到用户完全错误的建议。

在金融场景下，这些错误是无法被接受的。

什么样的记忆能力称得上「好」？

为了回答这个问题，我开始思考人与人之间的沟通场景，得到了两个比较明确的结论。

首先，人与人之间的识别是被动进行的。 你在路上遇到一个陌生人，你只是瞥了一眼，即便没有任何交流，画像会在你记忆中自动建立。

举个例子，我在路上遇到一个阿伯，虽然只是瞥了一秒，我会发现他的头发快掉光，身子佝偻。

建立画像完全是下意识的动作，而非主动识别。

其次，沟通同时存在「短期记忆」和「长期记忆」。

短期记忆，指的是你对你面前这个人的认知框架，即 user.md。长期记忆指的是两个人之前的共同记忆和行为，通常需要思索才能得出回答，很适合做工具调用。

基于这两个结论，我对 Sage 的记忆功能进行了重构。

在对话形式的交互中，用户发送的每一句话都是画像迭代的过程。

识别、分析用户对话这个过程应该是自发、静默的，Agent 不应该查询记忆，也不需要思考记忆如何被使用。

在 Sage 中，我不会让用户等待 Agent 调用 memory 工具去查用户的习惯，而是每次对话开始前就带着用户画像。

Agent 对用户的认知来自单次会话上下文和画像注入，形成短期记忆。长期记忆则通过储存全量对话 message，通过 mcp_tools 调用来实现。

通过这个记忆架构，Agent 几乎拥有了关于用户的所有「know how」。

05

Sage 的记忆功框架以功能形式在应用展示，我把它叫做「画像」。

画像功能包含了两个部分，第一个是「你的明确声明」，记录了用户主动提到的硬性规则和关注对象。

第二个是「Sage 对你的观察」，基于用户过往历史对话进行蒸馏，形成结构化的画像。

我通过结构化的 Json 文件储存了用户的规则底线、风险偏好、能力水平、表达偏好、近期观点。

这样设计的初衷来自我对用户交互的一个看法——一个人的言论并不能反映出他真实的想法，动机往往不在文字表面。

蒸馏能够有效地找出用户真实意图，这个功能大致实现了用户提问模式识别。

这套记忆系统在对话中的表现也非常理想，达到了我的预期。

在对英伟达的分析中，Agent 命中了我历史对话中提到的「不碰高估值」的画像：

在对五粮液的分析中，Agent 提到了我关注的股票，贵州茅台：

蒸馏后的记忆除了身份层，还全量保留了用户所有的会话信息，并通过 memory_search 工具实现了精准召回。

虽然 Sage 还没有实现真正意义上的「数字分身」，但是它具备了非常强的潜力，在未来能够真正实现「实时世界连接、主动在场」。