OpenClaw老失忆?不是AI笨,是你搜索和记忆没配好

全文约4600字，阅读约12分钟

你打开OpenClaw，打了一行字：「后续写作文风尽量干练简洁。」

它回复：好的，记住了。

第二天你问：「上次说的那个风格要求还在吗？」

它翻了半天聊天记录，回了一句：我没有找到相关信息。

你深吸一口气，又重述了一遍。这已经是这周第三次了。

社群里有人吐槽：「我换了八种说法问同一个需求，AI给我八种完全不搭边的回答。」底下回：「你配向量了吗？」

你不是一个人。很多用户反馈，最头疼的问题就两个：

语义失忆：换个说法就搜不到。你和AI约定「文案精简克制」，隔天说「写作文风干练简洁」，它完全识别不出这是同一件事。只认一模一样的关键词，而不是根据语义匹配。

隐性习惯失忆：硬规则记得住，磨合细节全丢了。你自己写进MEMORY的固定要求，它永久记得。但你们日复一日聊出来的行文节奏、固定流程、沟通偏好，堆在每日日志里，不会自动沉淀。新建会话，一切归零。

你陷入两难：要么天天重复沟通，要么瞎改配置越调越乱。

但真相是，你一直在临时记忆层打补丁，问题出在底层。

✦

你踩的是同一个坑：把搜索问题当理解问题

多数人默认：AI看不懂同义词，是大模型理解力不行。

于是拼命优化提示词、叠加强调话术，一直在对话表层纠错。

但病根根本不在理解，在检索。

OpenClaw运行两条检索路径并行。语义匹配（向量检索）和关键词检索（BM25，一种老派关键词匹配算法，只认原词，不认同义词）合并返回结果。如果你从来没专门配过语义搜索，这条路就等于不存在，系统只能靠纯关键词匹配。

不配语义检索，你的AI就只会对号入座。

如果你从来没专门配过语义搜索，这就是换个说法就失忆的唯一原因。如果你配了但没配对，系统不会悄无声息地降级，而是直接告诉你用不了。从未配置时系统以纯关键词检索模式（FTS-only，纯关键词检索）运行。

所以问题分两层：第一层，搜都搜不到；第二层，搜到了存不住。咱们先修第一层。

✦

先把搜索修好，再谈记忆

立刻能做的事：两步修好语义检索。

方案1：新手首选｜阿里云百炼云端嵌入

国内网络零卡顿，中文检索优化，新用户免费额度 50 万 Tokens（有效期 90 天），个人测试与轻度使用足够。

操作：打开OpenClaw，直接告诉它：

帮我配置一下搜索记忆文件的向量模型，用阿里云百炼的text-embedding-v3，我的API密钥是xxx（替换成你自己的）。

AI会帮你搞定配置，配置好向量模型后，你只需要在聊天窗口里像问朋友一样问它：

你的向量搜索现在通了吗？

如果一切正常，它会告诉你语义搜索已就绪。

如果配置有问题，比如 API 密钥填错、模型未就绪或网络不通，它不会悄悄凑合用关键词搜索糊弄你，而是直接告诉你语义检索不可用。这时候检查一下提供商配置或认证信息就行。系统在明牌告诉你：修我。

方案2：官方推荐首选｜Ollama / LM Studio本地嵌入

适配：不想折腾依赖环境、希望一键启动本地嵌入服务的用户。

优势：官方文档明确推荐。Ollama有专用provider，配置provider: “ollama”即可。LM Studio被官方称为”当前最佳本地栈”，内置provider，OpenClaw可自动识别。两者几乎零门槛，无需额外安装插件。

操作：LM Studio下载启动后，OpenClaw通过内置provider自动识别；Ollama拉取嵌入模型后，配置一行provider即可启用。

硬件参考：CPU即可运行，16G内存稳妥，无需独立显卡。嵌入模型仅百MB级，极轻量。

配置完嵌入向量，你的AI终于能听懂「精简克制」和「干练简洁」是同一个意思。

但搜索问题只是第一关。第二关更隐蔽：为什么你磨合出来的行文习惯，新建会话就没了？

✦

为什么你写的东西会”没了”？先看清记忆的分层

OpenClaw的记忆系统分四层，但只有后三层落地成文件。

你正在进行的这段对话，本身就构成一层：会话临时记忆。它只活在当前聊天窗口，不落地成文件，新建或关闭会话直接清空。就像电脑内存，关机就清零。

开头那个”隔天就忘”的场景，就是你一直在这一层打补丁。每次重述规则，写完就清，永不保留。它本来就不是持久层。

对话结束，自动生成每日日志（memory/日期.md），今天和昨天的会在新会话启动时自动加载。这是原始草稿，杂乱、不筛选、不会自动变成长期记忆。

你自己写进去的硬规则、固定偏好，存在MEMORY.md里，每次新会话自动加载。相当于你的正式笔记本，永久生效。

Dreaming开启后，会在后台定期从每日日志里挑出值得长期保留的内容，整理后写进MEMORY.md。同时生成一份DREAMS.md，让你看到它”后台整理了什么”，这个文件本身不是记忆，是整理记录的批注。

Dreaming内部有一套门槛机制，只把反复出现、得分够高的内容写进长期记忆，偶尔提一嘴的东西它不会当真。

一句话记住四层分工：

临时记忆 = 电脑内存，关机清零

每日日志 = 草稿纸，杂乱但都在

MEMORY.md = 正式笔记本，永久生效

Dreaming = 夜里帮你整理笔记的助手

✦

记不住的原因只有一个：你搞错了MEMORY和Dreaming的分工

多数人对长期记忆的认知是两极摇摆的。

一端觉得：不开Dreaming，OpenClaw就没有长期记忆。

另一端觉得：开了/dreaming on，所有历史聊天就自动整合了。

两个都是错的。

不开Dreaming不等于没有全局记忆。OpenClaw原生自带MEMORY.md，你自己手动写进去的硬规则，全会话永久生效。

开了Dreaming也不等于一劳永逸。Dreaming的本质是一个后台定时任务（cron job），开启后系统自动创建。

Dreaming默认只处理开启之后的新增日志，开启前的海量旧聊天不会自动回溯，必须单独执行回溯命令。

你以为是AI健忘，其实是你的记忆系统在裸奔。

MEMORY.md是存储层，Dreaming是自动化整理与分析工具，二者各司其职。

搞清这个分工，你才知道下一步怎么配：

固定硬规则 → 手动写进MEMORY，即时生效，不受任何开关影响

磨合出来的隐性习惯 → 靠Dreaming自动筛选入库

开启Dreaming之前的旧聊天习惯 → 必须单独执行回溯命令

✦

补齐长期记忆：Dreaming分工与回溯实操

第一步：把该写的先写进去

不用单独打开什么文件。日常对话中，你觉得某条规则应该全局生效，直接告诉OpenClaw：

「记住，项目格式用A方案，写到全局MEMORY里。」

它就给你写进去了。

永久不变的硬性要求——格式规范、项目要求、行文底线：遇到一条写一条。

第二步：开启Dreaming，让它自动筛选往后新产生的高频习惯

开启方式很简单：直接在聊天窗口里告诉它。你只需要像平时聊天一样说一句：

「开启 Dreaming」

或者：

「帮我打开 Dreaming」

它就懂了。系统会自动创建一个后台定时任务（cron job），每天定时执行记忆扫描与复盘。默认运行时间是每天凌晨 3 点（UTC 时间）。换算成北京时间，就是上午 11 点。

如果你想调整这个时间，直接在聊天窗口里告诉它就行。比如：

「把 Dreaming 的定时任务改到每天早上 8 点运行」

或者：

「Dreaming 不要凌晨跑了，改成晚上 10 点」

它会帮你调整 cron 表达式，把定时任务改到你指定的时间。如果你不确定当前设置的是什么时间，也可以直接问：

「Dreaming 现在每天几点运行？」

它会告诉你当前的时间配置。

你也可以随时在聊天里问它：

「Dreaming 现在是什么状态？」

它会告诉你当前是否开启、下次什么时候运行。

如果你刚聊完一段重要内容、希望立刻沉淀下来，也可以直接说：

「现在跑一次 Dreaming」

它会立即执行一轮记忆扫描，把刚刚聊完的内容中值得长期记住的部分写入 MEMORY.md。

💡 补充一句：如果你习惯用斜杠命令，也可以直接在聊天框输入 /dreaming on、/dreaming status、/dreaming 来达到同样的效果。

但这里有个大多数人会漏掉的步骤。日常开启的 Dreaming 默认只处理未来的新聊天记录，你开启之前的旧聊天习惯，还躺在每日日志里吃灰。

没错，这步大部分人都会漏。所以你的AI现在还在吃灰，不是它不行，是你没告诉它回头看：

第三步：全盘回溯旧日志，把老习惯也提出来

别担心，不需要手动敲命令。直接在聊天窗口告诉它：

「帮我把开启Dreaming之前的所有旧日志扫一遍，看看有哪些值得长期记住的，先预览别写入。」

AI会帮你跑完扫描。跑完后，系统把旧日志里值得回顾的内容全列出来：你可能会看到三个月前反复强调的格式要求终于被捞起来了。

⚠️ 扫描前先让AI检查./memory目录有没有重名文件，有的话先处理掉，否则后加载的会覆盖同名条目。

接下来告诉它：

「刚才扫描的结果，哪些你打算写进长期记忆？列出来我看看。」

系统会列出条目清单，一行一条，等着你审核。

确认没问题后，说：

「把刚才那批写进长期记忆，每次最多5条，分批来。」

执行完，你挑中的内容就正式追加到MEMORY.md了。更新即时生效，无需重启或新建会话。

💡 补充几句：

预览阶段生成的摘要会写入 DREAMS.md，供你审阅。DREAMS.md 是人类可读的梦境日记，不是记忆存储层。Dreaming 的长期提升最终只写入 MEMORY.md。

历史回填走的是和正常 Dreaming 完全相同的路径，每条被提升的记忆都会保留指向原始日志的引用和日期——旧内容不会伪装成新内容。

执行完毕后，新旧习惯全部入库，后续新会话正常读取完整长期记忆。

✦

长期运维避坑：别让MEMORY越写越胖

MEMORY.md 每次对话都会自动加载，占的是上下文窗口的预算。文件越写越大，上下文被挤占得越多，响应速度会肉眼可见地变慢。精简之后，响应时间能明显缩短。

日常做法：

定期删除过期作废、重复冗余的旧规则，保持MEMORY精简。

当内容持续累积接近上限，可以做归档分流：把某个模块的详细规则（比如“项目A的所有格式规范”）从主MEMORY中移出，写入一个独立的md文件，比如memory/projectA-格式规范.md。

然后在主MEMORY中只留一行索引：项目A格式规范 → 见 memory/projectA-格式规范.md。

举个例子：你主MEMORY里原来有20行关于“周报模板”的详细规定，精简成一行索引：周报模板细则 → 见 memory/周报模板.md，剩下19行全移到那个独立文件里。

AI加载MEMORY时读到索引，就知道去哪找完整内容。AI只在需要用到那份规则时，才通过检索把相关内容召回。平时不加载，不占上下文。

后续Dreaming新增的精炼规则正常写入主MEMORY，当某个主题内容再次积累到臃肿时，再抽出去归档，循环运维。

三条分工铁律：

固定硬规则 → 手动写主MEMORY

碎片化磨合习惯 → Dreaming自动筛选入库

细分历史归档 → 独立目录存放，MEMORY只留索引

三者互补，不可互相替代。而且你放心，手动写入和Dreaming自动写入不会打架——就像你在笔记本上手写笔记，同时有一个助手定期把草稿纸上的要点提炼出来，追加在笔记本末尾。它只添内容，不动你之前写好的任何一页。

✦

修好之后是什么样？

之前：

不配嵌入向量 → 换个说法就搜不到

只手动写MEMORY → 隐性习惯永远存不住

只开Dreaming不回溯旧日志 → 老习惯尘封，只能等新的

MEMORY长期不精简 → 越用越慢，后期截断

之后：

配置嵌入向量 → 换个问法一样能捞回来

手动维护精简MEMORY → 硬规则永久清晰

Dreaming自动复盘（cron job） → 新习惯自动沉淀

执行回溯回填命令 → 旧习惯全盘梳理入库

定期归档分流 → 长期稳定，不超限不截断

社群里有人配完之后说：「昨天问了AI一个三周前提过的需求，它居然自己把当时的上下文调出来了，我以为见鬼了。」

大多数人以为AI记不住你，是因为提示词写得不够好。

真相是：提示词只解决”理解”，解决不了”搜索”。你天天磨提示词，不如花十分钟配个向量模型；你反复强调规则，不如搞清MEMORY和Dreaming的分工。

在传统软件时代，搜索是精确匹配；在AI时代，搜索是意图匹配。你还用关键词思维管AI记忆，本质上就是让AI对号入座，换个说法就查无此票。

✦

记住这四条就够了

OpenClaw天生自带MEMORY全局长期记忆。不开Dreaming也能手动写入硬规则、全会话生效。
Dreaming不是记忆本身，是记忆整理与分析工具。通过cron job定时执行，默认不回溯历史旧日志，需单独执行回溯命令补齐。
换个说法就搜不到，根源是缺嵌入向量，不是理解力不行。这个问题和 MEMORY 读写、Dreaming 流程是两码事，先修搜索，再配记忆。
长期运维就一件事：主MEMORY精简。别让它越写越胖。

你有没有被AI说过「我没有找到相关信息」？评论区聊聊你当时问的什么，我帮你诊断是搜索问题还是记忆问题。

P.S. 如果你想让AI在每次提问前自动搜索记忆库，可以研究一下Active Memory插件（需在openclaw.json手动配置）。配完后，每次你提问，AI先翻一遍记忆库再回答，再也不用手动解释上下文。官方文档有详细说明。

收藏或转发给那个天天被AI气到砸键盘的同事，他大概率两个都没配。

本文基于OpenClaw v2026.4.x版本测试，后续版本可能变动，请以官方文档为准。