OpenClaw小龙虾记忆系统实战小白指南

有关OpenClaw小龙虾的记忆系统问题，老马之前已经写过一篇基础介绍的文章，可以回看：OpenClaw记忆系统全面解析，打造不会失忆的小龙虾。

刚接触的小伙伴可以去了解一下，尤其对记忆系统完全不熟悉的。只有知道记忆系统的架构跟工作原理，接下来实际操作中，你才会去搭建和调整。

虽然市面上有很多的文章教程，教你装这个插件，装那个Skill，就可以解决小龙虾记忆不好的问题，但实际上只能算是辅助。

小龙虾本身自带的三层记忆系统得先优化好，其它的向量数据库，或者外挂的云端向量数据库，可以作为辅助。

大概可以算成四层记忆系统，即便是四层记忆都搭建好了，完善好了，小龙虾的记忆依旧称不上完美，大概有百分之八九十的水平。

随着模型跟Agent的发展，这块相信未来会有更完美的解决方案。就跟人类一样，也存在失忆的情况，咱就不要过分追求小龙虾不失忆。

起码不需要我们每次开启新对话，手动补充一堆上下文。或者聊到某个关键点的时候，它能够自动地去检索以往的记忆，这就算不错了。

因此接下来分享的是老马自己在用的四层记忆系统方式，以供大家参考，达不到百分百完美，但比没优化之前好很多。

实在完美主义者，老马建议是你个人去死磕这块，因为小龙虾的记忆方式很简单，就是文本记忆，无非是记录到md文件，或者向量数据库的区别。

剩下的就是检索，提升主动检索的能力，以及检索的准确度，都是可以优化的方向，这就有点类似于RAG。

接下来老马会挨个介绍自己在用的记忆系统的架构，优化的点，以及安装的辅助插件，可能更多的是偏向思路层面。

大家可以了解一下，参考这种思路，跟你的小龙虾一起，通过对话的方式，一点点去完善优化现有的记忆系统。

老马也是这么操作的，比如发现小龙虾记不了3天前的事情，就告诉小龙虾，3天内的事情，都要去加载记忆文件。

如此磨合下来，小龙虾的记忆系统就越来越好用，越来越符合你的需求。你如果要求小龙虾啥细节都能记忆得非常准确到位。

说实话，人类都做不到的事情，就不要去苛求一个智商能力，尚未能取代人类的AI智能体了。小龙虾只会记忆重点、总结，忽略一些小细节。

这也算是小龙虾记忆系统为了高效记忆、压缩上下文大小等方面所做的妥协，不然跟录音笔一样啥都录下来，这记忆系统的体量得爆棚。

说到这里，老马补充一下个人的喜好，在优化记忆系统的时候，是没有考虑token消耗的，能尽量在会话中载入的记忆，都会要求去载入。

别问什么，问就是老马订阅了厂商的Coding plan套餐来养虾，不按token计算费用，而是按次数进行限制，所以每次消耗多少token，不在考虑范围内。

这也并不是说老马家里有矿，而是按次数计算的方式，确实比按token计算来得划算，且不用老是焦虑token余额是否足够，次数是个人够用的。

废话不多说，下面一点点给大家拆解老马正在使用的小龙虾记忆系统范式。仅供参考，如有不认同，以你的认知为准，你就是对的，错的是老马。

首先有必要重复介绍一下小龙虾的四层记忆模型，四层记忆既有共享的记忆，也有隔离的记忆，待会会具体区分讲到。

第一层记忆：会话记忆 (Session Memory)

会话记忆就是一个聊天窗口，在你没有新开会话的情况下，对应一个会话。或者说，一个聊天渠道对应一个会话。

会话记忆一般保存在.openclaw\agents\main\sessions中，文件名为xxx.jsonl，这是只有一个main主Agent的情况下。

多个Agent的话，每个Agent都有独立的seesions文件夹，Agent与Agent之间是会话是隔离的，但是可以开启跨会话通信。

会话记忆你要说是个记忆也行，只不过是短期的记录，短期的记忆，只在会话期间有效，主要是为了维持对话上下文连贯性。

会话记忆在当天的凌晨4点会重置，重置的意思就是老会话失效，建立新会话。与此同时，正常情况下2个小时没有跟小龙虾对话，同样会重置。

当一个会话的上下文窗口，即你接入的大模型的上下文窗口被占满了之后，要么你新开启一个会话窗口，要么你对上下文进行压缩。

无论是新开会话窗口，还是压缩上下文，都会导致记忆的损失。这就得看你当天的记忆是否已经存储了老会话窗口的对话重点，即记忆重点。

第二层记忆：日常记忆 (Daily Memory)

这就到了第二层记忆，刚才说了，如果在开了新会话窗口，或者压缩了上下文后，之前的老会话跟老上下文，小龙虾没有存储在日常记忆文件中的话，那这些记忆就等于丢失了，失忆了。

因此，我们需要在日常记忆，即每日记忆md文件存储的路径下，一般是.openclaw\workspace\memory\xxxx-xx-xx.md，看看是否都有2026-03-31.md这样命名的记忆文件，且是不是每一天都存在这样的文件，没有漏掉哪一天。

如果没有，或者有些天数遗漏了，这你就得跟小龙虾讲，每天都得保证记录了当天的记忆，并且定时检查是否合并生成md记忆文件，写入到AGENTS.md文件和长期记忆MEMORY.md文件。

这相当于写入Agent的操作说明书，以及长期记忆，形成一种约定俗成的习惯。你小龙虾就得每天记录当天的记忆，到了比如晚上11点，还得检查一下这个日常记忆文件是否存在，是否真的记录完成。

这些优化的细节点，待会在下一个版块AGENTS.md优化中，老马会贴出对应的内容。日常记忆中的每个带时间戳的md文件，总共会保留30天内的文件，超期自动会被清理掉。

每日记忆文件会记录当天的会话日志、重要事件、临时事件这些内容，还是那句话，它只是记录重点跟总结，不会跟写流水账一样记录每个细节。但作为记忆来讲，其实已经足够用了。

它是当天的上下文核心内容，只要小龙虾加载了，检索了，回忆起来就能给你复现补充一些细节，谈不上全面准确，但已经足够用了。

第三层记忆：精选记忆 (Curated Memory)

精选记忆即长期记忆，也就是MEMORY.md文件，一般路径是.openclaw\workspace\MEMORY.md，这个文件记录的更是核心中的核心。

比如你的长期偏好、重大决策、用户画像等等，属于需要长期记忆保存的部分，通常小龙虾会自己自动判断筛选去记录一些。

你也可以手动要求小龙虾写入到长期记忆，就像上文提到的，让小龙虾每天都得去检查一下日常记忆文件是否创建，是否记录的习惯问题。

这种属于长期的习惯，就可以写入到长期记忆。长期记忆在新会话加载时，会默认载入。日常记忆一般只会载入三天内的，会话记忆是不载入的。

长期记忆你就可以大概地把它当成你的使用习惯，比如你习惯小龙虾用中文跟你对话，绝不能发送英文。

又或者你习惯用Seedance2.0去生成视频，用Nanobanana去生成图片，绝不能使用其它的模型，即便你已经接入了其它模型。

诸如此类，你可以当成铁律一般，要求小龙虾写入到MEMORY.md。或者你自己手动打开这个文件，不规范一点的用记事本去编辑添加这些习惯铁律，规范一点的可以用Trae、Codebuddy之类的AI编程IDE去编辑。

当然，专门安装一个Markdown文件阅读编辑器去操作就更好了。总而言之，文档文件是死的，人是活的，小龙虾有时候不听话不会主动去记录，那你就手动去记录。

第四层记忆：向量记忆 (Vector Memory)

在介绍向量记忆跟向量数据库之前，先说一下OpenClaw自带的SQlite数据库，一般路径位于.openclaw\memory\main.sqlite。

这是一个关系型数据库，存储的文件后缀名为.sqlite，它不需要你接入单独的embedding嵌入模型，主要是通过关键词匹配去搜索记忆内容，不支持向量检索，适合简单的记忆场景。

向量数据库分为本地跟云端，本地一般用的是第三方的memory-lancedb插件，然后存储在LanceDB向量数据库中。

既然要存储在向量数据库中，就得有对应的embedding模型接入。OpenClaw默认提供的接入渠道是OpenAI的，当然也可以接入阿里的通用文本向量-v4模型，都是一样的embedding模型。

使用向量数据库之后，就可以用向量相似度+关键词混合检索的方式去查找记忆。因为是语义理解和模糊查询相结合的方式，因此检索精度会高一些，但配置的难度会大一些。

像如果你不去接入模型提供商的embedding模型，是可以在本地用ollama部署一个开源的embedding模型来进行替代，但对于小白来说操作门槛又提升了。

如果你懂的情况下，那向量记忆这块，老马是建议本地部署embedding模型+向量数据库的方式去操作。这样数据安全性和自主性都比较强一些。

倘若你搞不懂，那就直接上云端的向量数据库，有现成的插件可以直接安装并且使用。比如Memos，之前老马的文章也介绍过了，可以回看：给你的OpenClaw装上记忆能力，还能省掉72%的token消耗。

同类型的还有Mem9，目前免费版本的是支持1万条记忆，每个月1千次检索，个人使用来说是足够了，申请网址：https://mem9.ai，如图：

安装这个云端向量记忆插件也非常简单，把下面这段命令发送给你的小龙虾安装即可：

阅读 https://mem9.ai/SKILL.md ，按照说明为 OpenClaw 安装并配置 mem9

根据引导申请对应的API Key即可配置成功，老马使用了一段时间下来，Mem9的表现还是相当稳定的，可以作为新手用户的首选。

其它的复杂的向量记忆操作就不多介绍了，因为这只是一种辅助手段，跟你安装一些OpenClaw记忆优化的Skill道理类似，只是在把记忆管理这套动作标准化罢了。

举个例子，假设现在你已经安装了Mem9这个插件了，你的小龙虾每天的记忆也成功保存到云端上了。那接下来，你就得定义在什么情况下，会触发检索记忆，需要用到记忆。

记忆存在，不代表有价值，有需要用到的时候，随时随地能想起来，那才有价值，这点跟人类记忆是一个道理的。你不能话到嘴边，老是想不起来，即便你曾经记住了，那又有何意义。

所以，不用迷信一些所谓的OpenClaw记忆优化Skill，什么提升这个记忆效果，加强那个记忆啥的，本质上就是一堆的提示词，一些标准的记忆工作流程，跟下面老马继续要介绍的AGENTS.md文件的优化没啥区别。

那么向量记忆这方面，就以推荐Mem9插件，或者Memos插件作为辅助记忆数据库。加上OpenClaw自带的SQlite数据库，已经足够使用，更何况还有各种md文件的记忆。

以上四层记忆中，一个Agent下的当天日常记忆、长期记忆、向量记忆是共享的，不分接入的渠道。但是会话记忆是不共享的，上下文窗口也是。

AGENTS.md是小龙虾的智能体宪法，在每次会话的时候都会加载进去。它是OpenClaw工作区约定文件，在每次会话时作为 "Project Context（上下文）" 注入到提示词中。

AGENTS.md一般的路径位于.openclaw\workspace\AGENTS.md，因此优化其它什么记忆文件，都不如优化AGENTS.md这个文件。比如MEMORY.md记忆文件，有时候没有创建的情况下，都不会加载。

AGENTS.md作为小龙虾的行为准则操作手册，我们同样可以把记忆协议的规定也写到里面去。下面老马分成几个版块，挨个介绍记忆协议及贴出对应的内容写法。

一、关键词记忆检索

如果在会话聊天过程中，当用户发送的消息包含以下基础或高级触发词时，必须在回答前先调用memory_search工具去检索相关记忆：

以上触发词不是老马手动写的，而是老马让小龙虾自己生成的，自己手动写不了这么详细。你如果要参考这种写法，就跟小龙虾讲，我需要当我的聊天内容触发到某些关键词时，你就去检索记忆。

请你把这些触发的关键词，按照不同的场景，类型罗列出来，以供我审阅检查，有需要修改的地方我会与你进一步沟通。就是这样，用自然语言的方式，把触发词的列表完善好。

不是老马不把这些表格发出来，而是你得学会自己跟小龙虾沟通，创建写出适合自己的东西，直接照抄不一定是满足你的情况需求。这点以前都解释过很多遍了，不再赘述。

在AGENTS.md设置触发词的好处是，有时候你都忘了上周到底是安装了什么skill，或者做了什么事情，这时候就可以用模糊的方式，去触发上周做了什么，我之前说过什么之类这些关键词。

检索记忆是OpenClaw记忆系统中很重要的一环，很多小伙伴老想着为什么小龙虾记不住，就没想过记忆也是需要回忆的。随着记忆的增多，既然一下子记不起来，就让小龙虾学会去回忆以前的记忆。

二、智能检索策略

还是记忆的检索，这个跟关键词检索不一样，是其补充的部分，是一套涉及多层面，多策略的智能检索机制，目的还是一个，让小龙虾学会更好地去回忆之前的记忆，找到之前的记忆：

以上4个策略仅供参考，你也可以让你的小龙虾，针对当前已经设置好的记忆系统架构，自己设计一套策略，来提升记忆检索的效果。

当然，这里面还有一套工作流程，同样也是写入AGENTS.md文档中的。工作流程第一步先会判断是否触发了前面的关键词，如果触发了，就用关键词去检索记忆。如果没有，则进入第二步的智能检索策略：

三、记忆工具使用规范

这块是定义小龙虾如何正确地去使用OpenClaw内置的记忆工具。还是那句话，这些内容也不需要你手动去写，你只要告诉小龙虾，生成使用OpenClaw内置记忆工具的使用规范，并写入AGENTS.md即可：

四、最佳实践

最佳实践其实是结合了老马的使用偏好习惯的，意思就是告诉小龙虾，你以后这么去检索记忆，以及不能这么去干，有些行为是禁止的。

如果小龙虾按照这套最佳实践去操作，那就是老马最喜欢看到的事情，是符合老马的标准的。等于给小龙虾一套行为模板，给它一个西施，让它去东施效颦：

五、记忆维护机制

除了以上记忆的检索方式、策略、实践之外，为了保证这套机制能正常运转，老马又额外增加了定时任务跟心跳机制的设置。

即每天、每周、每月都会去更新和维护本地的三层记忆，第四层记忆刚才说了，接入了Mem9的云端记忆，那块它们云端平台有自己的记忆处理机制，就不去瞎操心了：

六、每次会话检查清单

在开始每次会话之前，都会按照清单上顺序去执行。之所以清单这里也要晒出来的原因是，大家可以看到里面的第二点，读取上下文记忆，老马默认是读取加载了两天内的日常记忆：

如果你有特殊的要求，希望小龙虾能记得住一周内的记忆，或者说去加载一周内的日常记忆，那就可以在这块添加多几天的记忆。等于上下文记忆多加载一些，对应消耗的token就多一些。

但其实也没必要，一般三天左右的日常记忆加载进去就足够了。剩下的，让小龙虾根据上面的关键词、策略等方式去检索更久远的记忆。

其实阅读本文到这里，你就会发现，市面上很多博主跟文章教程，都是跟你讲装个什么插件，什么Skill，能提升小龙虾的记忆。

但具体是怎样提升的，没讲明白，也没有告诉你，记忆原来除了记住之外，还需要检索。

你看整个AGENTS.md版块的内容，老马都是在讲怎样才能让小龙虾更好地去检索记忆，去召回记忆。无论是触发关键词、还是通过各种策略，目的都一样的。

这才是记忆的正确打开方式，得像人一样学会回忆。而记不住的问题，多半就是小龙虾有执行错误，网关刚好挂了等运行过程的原因，导致本地的md文件没创建，没写入，没保存。

要么是插件载入有问题，导致云端的记忆没同步记录上去。所以没记住的问题其实是最好解决的，有问题让小龙虾自己去修复，再加个定时任务去检查一下，确认问题不再重复出现。

反倒是记忆的检索与召回，才是重中之重。你之前都没有配置过类似的检索召回机制，你就希望小龙虾能记住所有的内容，这是不可能的事情，机器也需要人工去设定参数才能正常运转的。

哪怕是智能如AI，它也不能判断你啥时候需要它去记忆，啥时候需要它去回忆某段记忆，对不对，这些规则你都写清楚。就好像三层记忆那样，它本身是代码写死的规则，你小龙虾就得按这个规则去建立记忆系统。

回到本文主题，老马觉得应该是讲清楚了OpenClaw写死的三层记忆系统规则，以及外挂的第四层向量记忆，这些是保证小龙虾记得住的东西。

至于什么时候，回想起什么记忆，用得到什么记忆，则需要你去设定对应的记忆检索召回规则，完善优化AGENTS.md文件。

补充个生活上的例子，你就权当老马爱啰嗦。比如你今天跟朋友A聊天的时候提到榴莲，你就说A吃完榴莲爱放屁。A脑子里立马就去回想，我什么时候吃过榴莲，什么时候吃完榴莲就爱放屁了。

这段往事，可能都是三年前的事情了，你还记得那么清楚，因为你刚好召回了这段记忆，立马就脱口而出A当年的糗事。

但是A还没反应过来，他脑子里需要去检索召回一下记忆，才能确定你刚才讲的是不是事实。过了一会儿，A想起来了，确实有这么一回事，只能尴尬地笑了笑，叫你以后别再提了。

通过以上的生活例子，你就知道，AI智能体是跟人对齐的，它的记忆系统也是如此。你如果不把重心放在记忆的检索召回上，只关心怎么记住的问题，那记了等于白记。

就好像假设A是个健忘症患者，他根本记不住事情，索性把生活上的每件事都记录在了纸质笔记本上，多年来记了上百本笔记本。

当你说他吃榴莲爱放屁的糗事后，他急眼了，回家翻了几十本笔记本，花了几个小时，才找到当时的笔记记录，你说这能算有用的记忆么。

万变不离其宗，道理都是一样的道理，希望以上的优化思路，能给大家一点启发，自己动手，带着你的小龙虾，一起把记忆系统完善起来吧。

好了，以上就是今天的分享，欢迎关注、点赞、转发一键三连。有任何问题和需求，请在评论区留言，回见！

对了，老马最近刚创建了一个AI学习交流群，有兴趣进群的小伙伴可以添加老马微信号：immajiabin，添加好友时备注：进群（不备注不通过）。