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。
夜雨聆风