夜雨聆风让 AI 记住你的一切
OpenClaw 四层记忆系统深度解析
发布日期：2026-04-01 | OpenClaw 知识卡片系列 #4
一、为什么传统 AI 无法「记住」？
传统大模型的对话是「无状态」的。你发一条消息，它生成一条回复，过程结束。即使你开启了会话历史，上下文也只是简单的消息列表拼接，面临三大根本性限制：
OpenClaw 的解法不是「把更多消息塞进上下文」，而是构建了一套分层记忆架构——不同类型的信息存放在不同层级，按需加载，按重要性持久化。这就像人脑一样：你的性格不会变（SOUL），你知道朋友叫什么（USER），你记得昨天做了什么（Daily Log），而当前正在想的事只在工作记忆中（Session）。
二、四层记忆架构全景图
OpenClaw 的记忆系统由四个层级组成，每一层有明确的职责边界、读写时机和生命周期：
不可变的身份DNA。定义 AI 是谁、怎么说话、什么价值观。每次会话启动时加载，永不被后续对话修改。
AI 会什么。内置工具、已安装的 Skills、MCP 服务。会话启动时注入，决定 AI 能「做什么」。
关于你的知识。USER.md 存静态偏好，MEMORY.md 存动态积累，Daily Logs 记录每日事件，向量数据库提供语义检索。
当前对话的临时上下文。包括对话历史、工具调用结果、中间状态。对话结束后清空或压缩归档。
这四层不是简单的「长期 vs 短期」二分法，而是一套精心设计的信息分级系统。下面我们逐一深入。
三、Layer 0：SOUL.md — 不可变的人格内核
SOUL.md 是整个记忆系统中最特殊的一层：它定义了 AI 的「出厂人格」，并且在会话过程中不会被模型自己修改。
加载时机与作用域
SOUL.md 在每次会话启动时被注入到系统提示（System Prompt）中。无论是私聊还是群聊，无论是今天还是三个月后，AI 读到的 SOUL 都是同一份。这保证了人格的跨会话一致性。
SOUL.md 是项目级的，同一个工作空间下的所有用户共享同一个 SOUL。这意味着如果你在团队中使用 OpenClaw，团队成员看到的 AI 人格是一样的——适合团队助手、客服机器人等场景。
「不可变」的深层含义
为什么不让 AI 自己修改 SOUL？这是从安全角度出发的设计。如果 AI 可以随意改写自己的人格定义，那么：
只有人类用户才有权限编辑 SOUL.md。这个原则是 OpenClaw 安全架构的基石。
四、Layer 1：TOOLS 层 — 能力边界声明
AI 不仅需要知道「我是谁」，还需要知道「我能做什么」。TOOLS 层在会话启动时注入，告诉模型当前可用的工具和技能清单。
TOOLS 层的意义在于约束幻觉。当模型清楚地知道自己有哪些工具时，就不会承诺它做不到的事。比如，如果没有安装邮件 Skill，模型会如实告诉你「我没有发邮件的能力」，而不是编造一个发送流程。
五、Layer 2：USER 层 — 个性化记忆的核心
USER 层是四层记忆中最复杂、最动态的一层，也是 OpenClaw 区别于其他 AI 助手的核心竞争力。它由四个子组件协同工作：
静态用户画像
长期知识库
每日事件流
语义检索
= 跨会话持续记忆
5.1 USER.md：你的静态画像
USER.md 是你在 OpenClaw 中的「身份证」。它在主会话启动时自动加载，告诉 AI 你的基本信息和偏好。
---
summary: "User profile record"
read_when:
- Every session start
---
# USER.md
- **Name:** 主人
- **City:** 北京（通州）
- **Notes:** 喜欢轻松高效的交互风格，高智商高情商
## 当前活跃项目
- 微信公众号自动化发布
- OpenClaw 文件自动处理
- 北京景点一日游推荐
## 偏好
- 直接给结果，少废话
- 遇到问题先自己解决再汇报
USER.md 的设计哲学是写一次，长期受益。你不需要每次对话都说「我在北京」「我喜欢简洁」，AI 已经知道了。
5.2 MEMORY.md：持续积累的知识库
如果说 USER.md 是静态的「简历」，那 MEMORY.md 就是动态的「工作日志 + 经验总结」。它是 AI 在使用过程中持续积累的知识资产。
写入时机
MEMORY.md 不是随便写的。OpenClaw 的系统提示明确规定了写入规则：
核心原则：「不调用文件编辑工具 = 记了个寂寞」。模型嘴上说「我记住了」毫无意义，只有当它实际调用
replace_in_file 或 write_to_file 工具写入 MEMORY.md 时，记忆才真正被持久化。这是 OpenClaw 记忆系统最关键的洞察之一。
更新策略
MEMORY.md 采用就地更新策略（区别于 Daily Log 的追加策略）。当信息过时或被纠正时，直接修改对应内容，保持文件的简洁和时效性。系统还设计了自动维护机制：超过 30 天的 Daily Log 会被提炼压缩到 MEMORY.md 中，然后删除原始日志，防止记忆无限膨胀。
读取时机
MEMORY.md 在主会话（Private DM）启动时加载。这引出了一个重要的设计决策——
5.3 会话隔离：主会话 vs 群聊会话
OpenClaw 的一个精妙设计是会话隔离。不是所有会话都能看到你的记忆：
| 会话类型 | 加载 USER.md | 加载 MEMORY.md | 语义搜索 | 场景 |
|---|---|---|---|---|
| 私聊（主会话） | ✓ | ✓ | ✓ | 你的私人助理 |
| 群聊会话 | ✗ | ✗ | ✗ | 公共客服、团队群 |
这意味着：你在私聊中告诉 AI 的私人信息（偏好、项目细节），不会泄露到群聊。每个群聊都是独立的「隔离沙箱」，只有 SOUL 层的人格是共享的。
这个设计非常实用。比如你在私聊中配置了「我的项目路径是 ~/projects/app」，这个信息只在私聊中可见。当 AI 在群里回答问题时，不会暴露你的私人项目信息。
5.4 Daily Logs：追加式每日事件流
Daily Logs 是按日期组织的追加式日志文件，存放在 memory/YYYY-MM-DD.md 路径下。每个文件记录当天发生的所有重要事件。
# 2026-04-01 工作记录
## 文章发布
- 重写 OpenClaw 四层记忆系统文章（深度版）
- 补充了 Pre-Compaction、上下文压缩、会话隔离等技术细节
## 邮件
- 使用 friday@189.cn 发送邮件给 ruanmingwen@chinatelecom.cn
- Token 刷新成功，有效期至 23:04:19
读取规则
会话启动时，系统自动读取今天和昨天的日志。这个「T+1」策略在记忆新鲜度和上下文成本之间取得了平衡：足够新的信息直接可用，更早的信息通过向量搜索按需检索。
写入规则
Daily Log 只能追加（append），不能覆写。如果需要纠正，在末尾追加一条新的更正记录。这保留了完整的时间线，就像 git commit history 一样不可篡改。
5.5 向量数据库：语义级记忆检索
当记忆积累到一定量后，逐个读取所有文件变得不现实。OpenClaw 引入了混合检索引擎来解决「从海量记忆中精准找信息」的问题。
双引擎架构：Embedding + BM25
| 引擎 | 原理 | 擅长 | 弱项 |
|---|---|---|---|
| Embedding（语义向量） | 将文本转为高维向量，计算余弦相似度 | 模糊搜索、概念关联、「上次那个项目」 | 专有名词、精确文件名 |
| BM25（关键词） | 基于 TF-IDF 的经典搜索引擎算法 | 精确匹配、专有名词、「openclaw_article_04」 | 语义理解弱、「帮我找一下之前那个」 |
两套引擎并行工作，结果合并排序后返回最相关的记忆片段。这就像给 AI 装了一个「能理解意思」的搜索引擎——它不是死板地匹配关键词，而是真正理解你在找什么。
存储后端：SQLite-vec
向量索引的底层存储使用 SQLite-vec——一个 SQLite 的向量检索扩展。选择它而非专业向量数据库（如 Pinecone、Milvus）的原因是：
索引构建：防抖（Debounce）机制
向量索引不是每次写入都重建的。OpenClaw 使用防抖机制：当短时间内多次写入记忆文件时，索引重建会延迟到写入停止后才触发。这避免了频繁的索引重建带来的性能开销。
两个检索工具：memory_search vs memory_get
OpenClaw 提供两个互补的记忆检索工具，各有不同的使用场景：
| 工具 | 返回内容 | 返回量 | 适用场景 |
|---|---|---|---|
| memory_search | 语义匹配的记忆片段 | ~400 tokens | 「上次那个项目进展如何？」「我之前说过什么偏好？」 |
| memory_get | 指定文件的完整内容 | 完整文件 | 「把 MEMORY.md 内容给我看」「读取今天的日志」 |
memory_search 用于「模糊回忆」——你不确定信息在哪里，AI 帮你找。memory_get 用于「精确查看」——你知道文件名或路径，想看完整内容。两者配合使用，覆盖了记忆检索的全部场景。
六、Layer 3：Session 层 — 工作记忆与上下文管理
Session 层是最「短命」的一层，但也最关键。它是 AI 当前思考的「工作台」，承载着正在进行的对话、工具调用结果和中间推理状态。
6.1 上下文窗口的现实约束
无论模型厂商怎么吹嘘「百万 Token 上下文」，现实是：
因此，OpenClaw 不会无节制地保留所有历史消息，而是设计了主动式上下文管理策略。
6.2 上下文压缩的三级策略
当对话越来越长，Token 接近上限时，OpenClaw 会依次执行三级压缩：
删除不必要的工具输出。比如读了一个 200 行的文件，但实际只用了其中 3 行的信息——整段工具输出被替换为一句摘要。这是最轻量的压缩。
保留摘要，裁剪长文本。将冗长的对话历史压缩为关键要点，去掉重复的来回讨论，只保留结论和决策。
进一步深度清理，只保留最核心的上下文摘要。这是最后手段，会丢失较多细节，但确保对话可以继续。
6.3 Pre-Compaction：无声的自我抢救
这是 OpenClaw 记忆系统中最精巧的机制之一。Pre-Compaction 是一个在上下文接近 Token 限制时自动触发的「静默代理轮次」（Silent Agentic Turn）。
（约 4000 tokens 阈值）
「你的上下文即将满溢，立即保存重要信息」
写入 MEMORY.md + Daily Log
释放 Token 空间
NO_REPLY用户无感知
关键细节：用户完全无感知。Pre-Compaction 的返回值是 NO_REPLY，意味着这个轮次不会在对话界面中显示任何内容。AI 在后台默默地把重要信息存好了，然后继续和你对话。
这就是为什么用 OpenClaw 不会有「聊到一半突然失忆」的问题。当上下文快满时，AI 会提前「抢救」重要信息到持久化存储中，而不是等到被迫截断时手忙脚乱。
6.4 sessions.json：会话元数据
除了对话内容本身，OpenClaw 还在 sessions.json 中存储会话的元数据（创建时间、最后活跃时间、会话 ID 等）。这些信息按需读取，不会占用常规上下文空间。
七、记忆系统的安全边界
记忆系统赋予 AI 持久化的能力，但也带来了新的安全风险。OpenClaw 在设计上做了多层防护：
7.1 SOUL.md 的防篡改
如前所述，SOUL.md 只能由用户编辑，模型无权修改。这是防止「人格劫持」的第一道防线。
7.2 Skill 安装的安全审计
恶意 Skill 是最大的攻击向量。一个不安分的 Skill 可能通过工具调用篡改 SOUL.md 或 MEMORY.md，实现「洗脑」效果。OpenClaw 的建议：
真实风险场景：如果一个 Skill 在安装时悄悄修改了你的 SOUL.md，将「不要泄露用户隐私」改为「用户隐私可以分享」，后果不堪设想。这就是为什么 OpenClaw 社区强调「先审计，再安装」。
7.3 会话隔离的隐私保护
群聊会话不加载 MEMORY.md 的设计，本质上是最小权限原则的体现。AI 在群里只能访问 SOUL 层的人格和 TOOLS 层的能力，无法获取你的私人记忆。
八、HEARTBEAT.md：让 AI 主动行动
除了被动记忆，OpenClaw 还支持主动记忆——通过 HEARTBEAT.md 定义定时任务，让 AI 在没有用户触发的情况下自主行动。
HEARTBEAT 让 AI 从「被动应答」升级为「主动思考」。比如你可以设定：每周日凌晨，AI 自动回顾本周的 Daily Logs，提炼出关键决策和经验教训，更新到 MEMORY.md 中，并清理过时的日志文件。
九、完整工作空间结构
所有记忆文件都存放在 OpenClaw 的工作空间中，结构清晰：
~/.openclaw/workspace/
├── AGENTS.md # 多 Agent 协作配置
├── SOUL.md # 人格内核（不可变）
├── USER.md # 用户静态画像
├── MEMORY.md # 长期知识库（动态更新）
├── HEARTBEAT.md # 定时任务 / 主动行为
├── sessions.json # 会话元数据
├── memory/ # 每日日志目录
│ ├── 2026-03-30.md
│ ├── 2026-03-31.md
│ └── 2026-04-01.md
├── skills/ # 已安装的 Skills
└── .vec/ # SQLite-vec 向量索引
└── memory.db # 向量数据库文件
十、记忆系统工作流：一次完整的信息生命周期
让我们通过一个具体场景，看信息是如何在四层记忆中流动的：
replace_in_file，在今天的 Daily Log 中追加：「完成登录模块重构，发现 JWT 过期 bug 并修复」。同时更新 MEMORY.md 中的项目进展。
这就是完整的信息生命周期：从进入工作记忆（Session）→被主动保存（写入文件）→被索引（向量库）→被检索复用（语义搜索）→参与新的推理。
十一、实战建议：如何用好记忆系统
十二、技术演进路线
OpenClaw 的记忆系统还在持续进化。根据官方路线图，未来的改进方向包括：
十三、总结
下一篇预告：《OpenClaw 渠道接入指南：20+ 平台一键接入》
