谈 OpenClaw 刚刚更新的Memory Wiki 技术

我们最近在斑马玩教具团队内部搭内容相关的智能体。但智能体的表现始终不尽人意。我觉得这里面最关键的因素是记忆系统的搭建。

最近我集中看了一圈智能体记忆架构的开源方案，也顺手把这条演进路线梳理了一下，分享给大家：

1. RAG 时代

去年的时候，大家主要还是用 RAG 来做智能体的记忆检索。关于RAG，感兴趣的可以阅读《向量数据库科普：小白也能看懂的入门指南》

2. Markdown 时代

到了春节前后，OpenClaw 出来之后，很多人开始意识到：Markdown 文件其实是一种对 AI 更友好的记忆载体。它足够简单、可读、可编辑，也更符合 Agent 的工作方式。

3. 分类和总结模式

有了 Markdown 文件之后，大家开始对 Markdown 文件进行分类管理。最简单的就是把原始文档和总结分开存放。

这一波记忆架构实现里，最值得参考的两个，一个是 Claude Code 源码泄露的“做梦模式”：也就是让智能体在后台整理资料、沉淀记忆；我们可以把这个理解成定期的复盘和总结，感兴趣可以阅读《Claude Code 源码中值得大家学习的细节》。

另一个是 Andrej Karpathy 前几天提到的 LLM Wiki 架构。Karpathy 还把自己的方案开源了，如果你也在搭自己的 Agent，挺值得参考：

https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f

然后就在前天，OpenClaw 的最新版本把“做梦机制”和 LLM Wiki 这两条思路合在了一起，正式发布了自己的 Memory Wiki 方案。

我也让我的智能体帮我把 OpenClaw Memory Wiki 的技术架构系统整理了一遍。内容比较长，不适合直接放在正文里，所以我放到了我的博客里。

如果你对智能体记忆系统这件事感兴趣，可以访问我的博客最新一篇文章《OpenClaw Memory Wiki 技术文档》：

https://www.devtang.com/

就酱。