夜雨聆风Claude/Codex/OpenClaw 记忆横评
Claude Code vs Codex CLI vs OpenClaw调研日期：2026-04-10
1. 设计哲学对比
Claude Code 的哲学最独特：不构建复杂的记忆管理程序，而是通过精心设计的 system prompt 指令让 LLM 自己决定何时、何地创建和使用记忆。记忆操作本质上是 LLM 的 tool use（Read/Write/Edit）。Codex 走工业化路线：用专门的模型做提取（Phase 1: gpt-5.4-mini），再用更强的模型做整合（Phase 2: gpt-5.3-codex），形成"原始信号 → 结构化知识"的流水线。OpenClaw 最工程化：引入 embedding 向量化、混合检索、MMR 多样性重排、时间衰减等 IR（信息检索）领域的经典技术，把记忆检索当作搜索引擎来构建。
2. 存储架构对比
2.1 存储技术
2.2 作用域层级
Claude Code 的层级最丰富：五层作用域（全局、项目、会话、团队、代理），设计了精细的隔离。Codex 最扁平：所有记忆在 $CODEX_HOME/memories/ 下统一管理，通过 SQLite 的 thread_id 做逻辑隔离。OpenClaw 居中：workspace 级别 + session 级别 + 额外路径扩展。
3. 记忆类型对比
3.1 类型分类
Claude Code 的类型系统最明确和实用：每种类型都有清晰的定义、保存时机、使用指南和团队作用域建议。特别是 feedback 类型要求包含 Why 和 How to apply，让 LLM 理解规则背后的原因。Codex 不做显式分类，而是让模型在 Phase 1 提取时自然产生结构化输出（任务分类、偏好信号、失败防护），Phase 2 整合时再组织为可导航的文件结构。OpenClaw 的分类最粗糙，基于正则规则的关键词匹配（如 "is/are" → fact），准确率受限。
3.2 排除规则
4. 记忆创建机制对比
Claude Code 的创建最"轻量"：主 Agent 直接写，或 forked agent 后台提取，不需要独立的模型调用。互斥守卫确保不重复。Codex 的创建最"工业化"：Phase 1 并发 8 个任务处理最多 16 个 rollout，Phase 2 全局锁整合最多 256 条原始记忆。批量化管道设计。OpenClaw 的创建最"分散"：手动工具 + 自动捕获 + Dreaming 晋升三条路径，各自独立。
5. 记忆检索机制对比
Claude Code 的检索最依赖 LLM：用 Sonnet 做相关性排序侧查询，本质上是"用 AI 选记忆给 AI"。优点是无需向量化基础设施，缺点是每次查询增加一次 API 调用。Codex 采用渐进式披露：memory_summary（总是可用）→ MEMORY.md（可搜索）→ rollout_summaries（按需深入），由 LLM 自主导航。搜索预算限制在 4-6 步避免过度搜索。OpenClaw 的检索最先进：标准的 IR 管道，支持语义检索和精确匹配的混合，配合 MMR 去重和时间衰减。是三个项目中唯一能做到"理解查询意图"的检索。
6. 上下文注入对比
7. 过期与清理对比
Codex 的过期最自动化：基于使用频率的自然淘汰，30 天未用则清理。Phase 2 选择时优先保留高频使用的记忆。OpenClaw 最精细：六维评分的晋升公式（频率 0.24 + 相关性 0.30 + 多样性 0.15 + 最近度 0.15 + 整合度 0.10 + 概念覆盖 0.06）。Claude Code 最"手动"：无自动过期，依赖用户通过 /remember 审查。
8. 安全设计对比
Claude Code 在团队记忆场景做了最多安全工作：symlink 防护、路径验证、Unicode 规范化攻击防护。Codex 的污染追踪最独特：MCP 工具和 web 搜索调用会标记线程为 polluted，防止不可信信息进入记忆库。OpenClaw 的安全设计集中在注入防护：检测提示注入模式，注入时标记为不可信数据。
9. 可扩展性对比
OpenClaw 的可扩展性最强：多存储后端、多 Embedding 提供商、可配置的检索参数、优雅的多级降级。Claude Code 最简单但也最受限：纯文件系统，200 文件上限，无向量化。
10. 性能特征对比
11. 总结：各自适用场景
Claude Code — "优雅的简约"
最适合：个人开发者、小团队、项目级知识管理优势： - 实现简单，无外部依赖 - LLM 驱动的记忆管理天然理解语义 - 类型系统设计精良（特别是 feedback 类型的 Why + How to apply） - 团队记忆支持完善局限： - 无向量检索，记忆规模受限（200 文件） - 无自动过期 - Sonnet 侧查询增加成本
Codex CLI — "工业级管道"
最适合：重度使用者、长期项目、需要自动化知识整理优势： - 两阶段管道自动从对话中提炼知识 - 使用频率驱动的优先级，自然淘汰无用记忆 - 污染追踪防止不可信信息污染 - Skills 自动提取可复用知识局限： - 启动延迟高 - 依赖 OpenAI 模型（两个独立模型） - 非实时（批处理模式）
OpenClaw — "搜索引擎式记忆"
最适合：大规模知识库、多用户平台、需要精确语义检索优势： - 真正的向量语义检索 - 混合检索（向量 + 关键词）+ MMR + 时间衰减 - 多后端、多 Embedding 提供商 - 优雅降级策略局限： - 复杂度高，调试困难 - 依赖外部 Embedding 服务 - 分类系统粗糙 - 记忆类型语义不如 Claude Code 明确
