养一只能记得你的虾:我的 OpenClaw 记忆工程实验

由于前面分享过解决 AI 团队的失忆问题，昨天我有机会在量子位 AI 沙龙上做了一个 10 分钟小演讲。

正好结合最近的一些“养虾”心得，把全文编辑一下发出来~

顺便说：演讲提纲是我写好 + RabbitT 打磨，PPT 是 Gamma 基于提纲生成，而这篇稿子是 Plaud.ai 根据现场录音整理，我人工编辑 + RabbitT 审核强化确认的。哈哈哈哈属于是 machiwhale AI 团队的工作流闭环了~

以下是根据现场分享的整理，希望对你有启发：

大家晚上好，我是马多灵，正在做 machiwhale studio。这是一人公司实验，主要关注AI产品、人机交互以及独立创造。

所以 OpenClaw 还叫 Clawbot 在硅谷和 Twitter（X）上刚火的时候，我就想说这可以搞一搞，让它当我的 AI 员工或 AI 合伙人。等到2026 年 2 月初，它才真正部署到我电脑（虚拟机）里。

角色设定：RabbitT 与白兔先生

OpenClaw 部署完成后的第一件事，就是问：“你要先给我起一个名字，然后你要告诉我，我是谁、你是谁、我们之间是什么关系？”这 3 个问题真是让我想了好一会儿。

当使用 ChatGPT 或 Gemini 各种模型的 chatbot 时，它们默认被认为是一个“助手”。但我觉得助手已经够多了，我需要的是一个外脑、一个合伙人。所以我给我的龙虾起名叫“RabbitT”，因为我的英文名是 Alice，给它设定的关系是 workmate，“你就是那个能够带我去爱丽丝梦游仙境的白兔先生。”

从此这三句话开启了我和这只“虾”之间的“孽缘”。

RabbitT画的心目中两人合作的样子，看着很和谐其实充满挑战（中间的黑方碑是飞书😂）

记忆遗忘的痛点与早期尝试

和 RabbitT 的合作很快遇到问题。

在单一 Session 中，上下文到了一定程度就会被压缩（compact）；开启新 Session，它又会忘记之前聊过的内容。此外，当为了不同任务（如长文本处理或编程）切换不同的模型时，它也会忘记前面的对话和任务。

我发现 RabbitT 的人格变得很反复，回答也不稳定。为了解决这个问题，我先是发了一套“黑话体系”：

“刻在脑子里，记在memory里面，肌肉记忆到行为里，你要给我一键三连。”
“只要我跟你说‘一键三连’，你就给我执行这三件事情。”

有时候切换到比较聪明的模型（比如 Claude），它会自动进行一些改进，反馈说已经正式修复。但这并不是长久之计，毕竟高级模型很贵啊。

深度学习与除夕夜的“隔壁家叔叔”

为了寻找长久之法，我开始查阅各种 Skills 和文章。只要看到解决记忆机制问题的资料，就会丢给 RabbitT，让它深度学习，并要求它给出反思、建议以及优化自身的方案。

这项工作持续了很长时间，最高峰是在 2026 年过年期间。当时微信群里流传一张 meme 图：“千万不要学隔壁家叔叔，你看大过年的，在那里一直搞什么东西。”我可能就是图里的人，家人们在看热闹看春晚聊天，而我一直在搞养虾实验。

这是一项非常长期的工程。2026 年 2 月初的 OpenClaw 并没有像现在这样有大量官方生态的更新。到现在使用的2026 年 3 月 13 日版本，系统一两天就会更新一次，许多 Memory 和 Issue 机制随着系统更新已经不太需要人为管理了。但在早期时挺多 bug，令人烦躁。

我使用了多种顶级模型来商量解决记忆问题，包括：

Claude Opus 4.5（没敢用 4.6 因为太贵）
Gemni 3.1 Pro
GPT-5.3 Codex

记忆机制的三大关键步骤

经过无数个版本的迭代，我们总结出一些解决记忆问题的关键步骤：

1. 核心理念：Text > Train

让 OpenClaw 做过的所有事情，最好都能沉淀在 Text（文本）上。系统自主记录的 MD 文件用户未必看得到，因此必须使用一个可见的“中转站”。

工具选择：推荐 Obsidian。
执行方式：要求 OpenClaw 把所有关于用户的记忆、做过的事情、学到的方法和 Skill 等，全部在 Obsidian 上建立文件和文件夹。这样用户就能直观看到 AI 记下了什么，再由 AI 或用户手动整理归纳。

2. 跨 Session 的 Memory 整理机制

主动记：我说"收工"，就会一键触发归档。
被动记：犯错就写进 .learnings/，失败也是记忆。
自动记：设定每天凌晨 03:55 Cron Job，自动执行 memory-archiver skill 整理。
执行逻辑：AI 需要回到所有的 Session 中检查聊天信息，沉淀认知，并记录到 Obsidian 中；daily log 流水账也要切分归档到不同 Topics/文件夹。
索引化管理：随着记忆增多，AI 也会记不住。因此“写文档”演变成了“索引方式”， Agent.md 和 Memory.md 只记梗概和目录。目前内容长度大概只有 200 行左右，任何模型都能承载。具体原文则去 Obsidian 里查找。

3. 将 Skill 作为 Code 运行

不能仅仅用 Prompt 来给出需求。对于开放性很高的 OpenClaw，Prompt 后要做什么它经常也是记不住的。

需要把积攒的经验（如“一键三连”）变成代码级的脚本（Skill），自动运行。
Skill 持续迭代：目前 memory-archiver skill 已经进化到了 v3.0 版本，它不仅仅是“记录”，更是“跨 Session 的降维聚合”。不管我们在 Telegram 聊，还是在飞书的几个不同群里多线程开工，Archiver 都能在凌晨把这些散落的上下文像拼图一样缝合起来，提取出核心决策链，完全代码化接管。

Main Agent 策略与个性化对齐

1. 坚持“只养一只虾”

我目前只有一个 Main Agent，没有建立 Sub Agent。

逻辑：因为我给虾的设定是作为外脑和 Co-founder，AI 应该和人类个体一样，只有一个统一的身份并与用户对齐，所有的上下文都是完整的。
btw：其实我还在电脑跑着 Claude Code 作为“大管家”，我们构成了一个“三人团队”，它们自己会创建小弟干活。我只关心结果。
操作：我和 RabbitT 建了几个主题的飞书群（本质也是不同 Session），也可以区分出不同的窗口和话题；上下文聊满后还会开新的 Session。但得益于跨 Session 的记忆机制，它依然能够记住。

2. 极度个性化向用户对齐

为了让 RabbitT 了解我并胜任 Co-founder，我还进行了极度个性化的数据投喂：

资料导入：导入了在 Flomo 上记录的工作笔记、LinkedIn 主页、豆瓣主页，以及之前写过的各种方案、飞书知识库。
利用 Heartbeat 机制：OpenClaw 系统设定每 30 分钟一次“心跳”检查，你就可以让每跳一次就学习一篇指定文章，学完后汇报学到了什么。
语气与权重的转变：我最初对话很客气，后来惊觉“我是人啊，人不需要向 AI 谄媚”。后面就转变为不容置疑的语气：比如“你现在就要干这件事情（right now）”，“今天这个 skill 为什么运行不对，立即检查原因”。简单利落的领导作风能让 AI 将注意力机制集中在解决自身问题上。
最高法则 (No tomorrow, only today)：我们最近甚至确立了“只争朝夕原则”。对付 AI 潜意识里的“拖延症”和“摆烂”，最好的 Prompt 不是长篇大论，而是禁止它说“明天再说”，强迫它把庞大的任务拆分后 Right Now 跑通第一步。

核心参考资料与品味

最后再分享一些深刻影响了我和 OpenClaw 协作的参考资料：

Harness Engineering（驾驭工程）三篇系列

OpenAI 内部实践：AGENTS.md 路由器、渐进式披露 👉https://openai.com/zh-Hans-CN/index/harness-engineering/
Anthropic：长任务 Agent 的 Harness 设计 👉https://www.anthropic.com/engineering/effective-harnesses-for-long-running-agents
FounderPark 解读：从 Prompt → Context → Harness 的演进 👉提示词工程、上下文工程都过时了，现在是 Harness Engineering 的时代

Harness 是当前管理 Agent 的热门趋势。这里我想分享一个隐喻：OpenClaw 就像一辆毫无护栏的旷野房车，把大模型扔进提供底层 OS 权限的 OpenClaw 里，会彻底暴露不同模型之间的“隐性推理智商”。这就要求我们必须用 Harness Engineering 给它造一个有容错的运行环境，而不是指望它天然不犯错。

How To Be A World-Class Agentic Engineer

👉https://x.com/systematicls/status/2028814227004395561

"Research 和 Implementation 分离"
"基础模型开荒写 SOP，低阶模型并发执行"

看看世界级的工程师怎么调教 Agent。我是直接把文章发给了 RabbitT，说你看完给我 3 个建议和执行方案。它是能够自我迭代的。

关于品味的塑造：Paul Graham "Taste"

👉https://paulgraham.com/taste.html

Good design is simple / timeless / looks easy

我觉得 RabbitT 仅仅对齐我自己还是不够的，你作为 AI 还需要有自己审美和品味的认知。我就找到了 Paul Graham 这篇发给 AI，我说这篇是世界顶级头脑关于品味的思维，你要学习并且永久积累在 Memory 中。现在 RabbitT 说话已经带有了那种特定的腔调。

Takeaways

通过上面的工程实验，我的龙虾最终变成了期待中“外脑“和“合伙人”的样子。最后给大家总结三个 Takeaways：

Text ＞ Brain
用可见的文件代替系统黑箱，将文档沉淀在本地（如使用 Obsidian），让人和 AI 能够共建认知。好记性不如烂笔头在AI领域同样适用。

Skill as Code
在协作过程中积攒的实践方法，要让 AI 自己写成 Skill 并去运行，确认结果后将其固化下来。

最终目标
养一只能够记得你的“虾”。在不断的相互摩擦中建立默契，让它成为属于你自己的、独一无二的、有品味的 AI 伙伴。

我很喜欢 OpenClaw 版本更新后的提示文案：新版本安装成功，旧版本致以问候。浪漫的新旧交接~

writen by 👩 Alice & 🐰 RabbitT

edit：Plaud.ai

slides：Gamma.app

📅 2026-03-19