乐于分享
好东西不私藏
夜雨聆风 > > 办公文件 > AI 总是＂失忆＂?OpenClaw Memory 让你告别重复说明

AI 总是＂失忆＂?OpenClaw Memory 让你告别重复说明

当前时间： 2026-03-19 04:54:25 分类：办公文件 评论(0)
AI 总是＂失忆＂?OpenClaw Memory 让你告别重复说明

AI 总是"失忆"？OpenClaw Memory 让你告别重复说明

                                       
             

每次和 AI 聊天都要重新介绍自己？


昨天聊的项目，今天它全忘了？


你不是一个人。这正是 OpenClaw Memory 要解决的核心问题。

           

为什么 AI 需要记忆？

想象这样一个场景：


你有一个朋友，每次见面他都不认识你。
不记得你们聊过什么。
甚至不知道你的喜好。


这就是大多数 AI 助手的现状。


每次对话都是全新的开始。
每次都要重复说明。
每次都要重新建立上下文。


OpenClaw 的 Memory 系统改变了这一切。


它让 AI 能够：

  • 📚 记住你的偏好 —— 喜欢的搜索工具、常用的设备名称
  • 📝 记录重要决策 —— 你们一起做出的选择和结论  
  • 🔗 保持上下文连贯 —— 昨天聊的项目，今天继续跟进
  • 🧠 积累长期知识 —— 越用越懂你

OpenClaw Memory 的核心理念

文件即记忆

OpenClaw 采用了一个简单但强大的设计理念：


记忆就是普通的 Markdown 文件。


没有复杂的数据库。
没有封闭的存储格式。
就是你能直接打开、编辑、版本控制的纯文本。


text
workspace/├── MEMORY.md              # 长期记忆（精选重要信息）└── memory/    ├── 2026-03-18.md      # 每日日志    ├── 2026-03-17.md      # 昨天的记录    └── projects.md        # 项目专用笔记

关键洞察：


文件是唯一的真相来源。


AI 只"记得"写入磁盘的内容，而不是保存在模型参数中的模糊印象。


这意味着什么？

  • ✅ 你可以随时查看和编辑记忆
  • ✅ 可以用 Git 版本控制
  • ✅ 数据完全属于你

双层记忆架构

                                 
层级文件用途加载时机
每日日志memory/YYYY-MM-DD.md记录当天发生的事情每次启动读取今天+昨天
长期记忆MEMORY.md精选的重要信息、偏好、决策仅在私聊会话中加载

安全设计：


MEMORY.md 只在私聊中加载。


避免在群聊中泄露个人信息。


三大核心能力

1. 语义搜索 —— 找到你忘记的事情

即使你不记得确切的关键词，OpenClaw 也能理解你的意图。


传统搜索的问题：


你必须记得那个词。


比如你想找路由器的配置，但如果你只记得"家里网络"，传统搜索就无能为力。


语义搜索的优势：


输入："家里网络怎么设置的"


结果：找到 "Configured Omada router, set VLAN 10 for IoT devices"


它是怎么做到的？


  • 使用向量嵌入（Embeddings）将文本转换为高维向量
  • 支持 OpenAI、Gemini、Voyage、Mistral 等多种嵌入模型
  • 可选本地模型（node-llama-cpp），完全离线运行

简单说：它理解意思，不只是匹配文字。


2. 混合搜索 —— 智能 + 精准

单一搜索方式都有局限。


向量搜索（语义匹配）：

  • ✅ 理解同义词和相似表达
  • ✅ "Mac Studio gateway host" ≈ "the machine running the gateway"
  • ❌ 对精确 ID、代码符号不够敏感

BM25 全文搜索（关键词匹配）：

  • ✅ 精确匹配 ID、错误信息、代码符号
  • ✅ "sqlite-vec unavailable" 能精准定位
  • ❌ 不理解语义相似性

OpenClaw 的解决方案：两者结合


text
最终得分 = 0.7 × 向量得分 + 0.3 × BM25 得分

结果：

  • 既能理解你的意思
  • 又能找到精确的技术细节

3. 智能后处理 —— 让结果更实用

MMR 多样性排序

你遇到过这种情况吗？


搜索"home network setup"，返回 5 条几乎相同的结果。


都是关于路由器配置的，没有涵盖 DNS、防火墙等其他方面。


MMR 解决：

  • 自动识别重复内容
  • 平衡相关性和多样性
  • 确保 top 结果覆盖不同方面

效果对比：

text
Before: 路由器配置 (0.92) | 路由器配置 (0.89) | 路由器配置 (0.85)After:  路由器配置 (0.92) | 参考文档 (0.85)    | AdGuard DNS (0.78)

时间衰减 —— 让记忆"褪色"

另一个常见问题：


6 个月前的旧笔记排名比昨天的新笔记还高。


时间衰减解决：


新笔记：100% 权重
30 天前：50% 权重
90 天前：12.5% 权重
180 天前：1.6% 权重


但有一个例外：


MEMORY.md 等非日期文件永不衰减。


确保重要参考信息始终可用。


进阶功能：QMD 后端

对于追求极致性能的用户，OpenClaw 支持 QMD（Query Markdown） 后端。


QMD 是什么？

一个本地优先的搜索 sidecar，结合了：

  • BM25 全文检索
  • 向量搜索 语义匹配
  • 重排序 提升结果质量

对比内置后端

                                 
特性内置后端QMD 后端
部署复杂度开箱即用需单独安装 Bun + SQLite
搜索质量良好更优（三阶段检索）
本地模型支持支持（自动下载 GGUF）
首次搜索速度快较慢（需下载模型）

配置示例

text
{  memory: {    backend: "qmd",    citations: "auto",    qmd: {      includeDefaultMemory: true,      update: { interval: "5m", debounceMs: 15000 },      limits: { maxResults: 6, timeoutMs: 4000 },      paths: [        { name: "docs", path: "~/notes", pattern: "**/*.md" }      ]    }  }}

实际应用场景

场景 1：个人知识库

问题：你读了很多文章、做了很多笔记，但找不到。


OpenClaw 解决：

  1. 将所有笔记放入 memory/ 目录
  2. 随时问 AI："我之前看过关于微服务的文章"
  3. AI 通过语义搜索找到相关内容

场景 2：项目管理

问题：项目持续数月，之前的决策和讨论散落在各处。


OpenClaw 解决：

  1. 创建 memory/projects/ 目录
  2. 每次重要讨论后，AI 自动记录到当日日志
  3. 搜索："我们为什么选 PostgreSQL 而不是 MySQL？"

场景 3：个性化助手

问题：每次都要告诉 AI 你的偏好。


OpenClaw 解决：

  1. 告诉 AI："记住我喜欢用 SearXNG 搜索"
  2. AI 写入 MEMORY.md
  3. 以后自动使用 SearXNG，无需重复说明

配置指南

基础配置（使用 OpenAI 嵌入）

text
{  agents: {    defaults: {      memorySearch: {        provider: "openai",        model: "text-embedding-3-small",        remote: {          apiKey: "YOUR_OPENAI_API_KEY"        }      }    }  }}

高级配置（混合搜索 + 时间衰减）

text
{  agents: {    defaults: {      memorySearch: {        provider: "openai",        model: "text-embedding-3-small",        query: {          hybrid: {            enabled: true,            vectorWeight: 0.7,            textWeight: 0.3,            mmr: { enabled: true, lambda: 0.7 },            temporalDecay: { enabled: true, halfLifeDays: 30 }          }        },        cache: { enabled: true, maxEntries: 50000 }      }    }  }}

完全本地（无需联网）

text
{  agents: {    defaults: {      memorySearch: {        provider: "local",        local: {          modelPath: "hf:ggml-org/embeddinggemma-300m-qat-q8_0-GGUF/embeddinggemma-300m-qat-Q8_0.gguf"        },        fallback: "none"      }    }  }}

最佳实践

1. 养成"写记忆"的习惯

  • 重要决策 → 让 AI 写入 MEMORY.md
  • 日常事项 → 自动记录到每日日志
  • 项目信息 → 创建专门的 Markdown 文件

2. 定期整理 MEMORY.md

  • 每周回顾每日日志
  • 提取重要信息到 MEMORY.md
  • 删除过时的内容

3. 合理配置时间衰减

  • 日常笔记多 → halfLifeDays: 30
  • 需要长期参考 → halfLifeDays: 90
  • 纯项目文档 → 关闭衰减

4. 利用混合搜索

  • 找概念 → 向量搜索主导
  • 找代码/ID → BM25 更精准
  • 两者结合 → 混合搜索

写在最后

OpenClaw 的 Memory 系统不是简单的"聊天记录保存"。


它是一个完整的记忆架构：


  • 🗂️ 文件化：Markdown 是真相来源，可审计、可版本控制
  • 🔍 智能化：语义搜索理解意图，不只是关键词匹配
  • ⚡ 高性能：本地嵌入、SQLite 加速、可选 QMD 后端
  • 🔒 隐私优先：本地运行，数据不离开你的机器

重要提醒：


AI 不会自动记住一切。


如果你希望某条信息被长期保留，明确告诉 AI "记住这个"，让它写入记忆文件。


 ═════════

你的 AI，值得拥有记忆。


 ═════════

你觉得 OpenClaw 的 Memory 系统最吸引你的功能是什么？


欢迎在评论区分享你的想法！