夜雨聆风用 200 行 Python，补足 OpenClaw 记忆体系中最缺的那块
OpenClaw 的记忆系统，其实有个明显的短板
OpenClaw 本身有一套记忆机制：MEMORY.md 存长期记忆，memory/YYYY-MM-DD.md 存每日笔记，~/self-improving/ 存经验教训。看起来很完整。
但实际用起来有个很要命的问题：这些记忆都是"结论"，没有"过程"。
举个例子。今天天气任务执行了，OpenClaw 可能在 daily note 里记一笔"天气播报完成"。但：
脚本运行了几秒？调用了哪些工具？ 投递了什么内容给用户？ 成功还是失败？失败了是什么原因？
没有记录。全凭 AI 自己"记"。
问题在于，AI 的记忆本质上是上下文窗口 + 文件读写。它不是数据库，没有结构化的查询能力。每次新会话启动，它只能从 MEMORY.md 和 daily note 里"回忆"之前发生了什么——而这些文件里记的，往往是它自己觉得重要的"结论"，而不是完整的执行过程。
OpenClaw 缺的不是记忆本身，而是记录执行的标准化流程。
没有标准，就会出现：
这个任务记了，那个任务没记 记了结果，没记过程 记了今天，忘了昨天 出了 bug 没法回溯排查
我需要一套执行日志系统，补足这块短板。
设计思路：够用就行，别过度设计
动手之前我先想清楚了几件事：
不要数据库。 SQLite 也好，MySQL 也好，都太重了。一天几百条记录，文件系统完全够用。
不要复杂框架。 不需要 Log4j 那种分级别、分 Handler 的框架。就一个 Python 脚本，三个功能：写入、读取、摘要。
格式要机器可读。 每行一个 JSON 对象（JSON Lines），方便用 grep、jq、Python 脚本处理。
核心就三个问题：
- 记什么
— 时间、类型、指令、结果、内容摘要 - 怎么存
— 按日期分目录，按类型分文件，追加模式写入 - 怎么用
— 能写入、能按日期读取、能生成每日摘要
实现：200 行的 log-exec.py
写入日志
每次任务执行完后，调用一行命令：
python3 ~/.openclaw/workspace/scripts/log-exec.py \ weather '广州天气通勤提醒 07:15' 'success' \ --content '广州今日多云转晴，25-31°C，早上兴业app坐地铁'脚本自动完成：
根据当前日期创建目录 exec-log/2026-05-17/把日志追加写入 weather.log（文件不存在自动创建）输出确认信息 [LOG] 已记录到 ...
日志格式
每条日志是一个 JSON 对象，包含 5 个字段：
{ "time": "2026-05-17 07:15:00", "type": "weather", "instruction": "广州天气通勤提醒 07:15", "result": "success", "content_preview": "广州今日多云转晴，25-31°C"}time | |
type | |
instruction | |
result | |
content_preview |
用 JSON Lines 格式（每行一个 JSON 对象）。追加写入不需要解析整个文件，用 grep/jq 过滤也很方便。
文件结构
exec-log/├── 2026-05-12/│ ├── weather.log ← 天气任务│ ├── fund.log ← 基金行情│ ├── monitor.log ← 价格监控（每30分钟一次，一天48条）│ ├── user_request.log ← 用户的每次对话│ ├── maintenance.log ← 系统维护操作│ ├── backup.log ← 系统备份│ └── ...├── 2026-05-13/└── ...按日期分目录，同类型任务追加到同一个文件。type 命名规则很简单：定时任务用功能英文关键词（weather、fund、monitor），用户请求统一 user_request，系统维护统一 maintenance。没有固定分类表，拿来就用。
读取和摘要
# 查看今天的摘要python3 scripts/log-exec.py --summary 2026-05-17# 输出：# 📊 执行日志摘要 (2026-05-17)# 共 30 条记录，8 种类型# channel_zzz: 1次 (✅1/❌0)# fund: 1次 (✅1/❌0)# maintenance: 1次 (✅1/❌0)# monitor: 23次 (✅23/❌0)# morning_brief: 1次 (✅1/❌0)# news: 1次 (✅1/❌0)# user_request: 1次 (✅1/❌0)# weather: 1次 (✅1/❌0)# 读取指定日期指定类型的日志python3 scripts/log-exec.py --read 2026-05-17 --type monitor摘要功能统计每个类型的执行次数、成功数和失败数。哪个任务跑了几次、有没有失败，一眼就能看出来。
脚本核心逻辑
脚本不到 200 行，三个功能：
写入时： 获取当前日期 → 创建目录 → sanitize 文件名 → 构建 JSON → 追加写入 → 打印确认。
读取时： 遍历目录下所有 .log 文件 → 按类型过滤 → 逐行解析 JSON → 返回列表。
摘要时： 读取当天所有日志 → 按 type 分组 → 统计成功/失败数 → 格式化输出。
没有异常处理的花哨写法，没有日志轮转，没有异步写入。简单直接，够用就行。
强制触发：不记日志就不让回复
光有脚本不够，得让 OpenClaw 每次都必须记日志。
我在 AGENTS.md 里加了一条铁律：
🔴 回复前置检查清单（硬性执行，不可跳过）
Step 1: 先调日志脚本
python3 ~/.openclaw/workspace/scripts/log-exec.py <type> '<指令描述>' '<result>' --content '<摘要>'Step 2: 确认
[LOG] 已记录到Step 3: 再输出回复给用户⛔ Step 1 没完成，不允许跳到 Step 3。
顺序是：先记日志 → 确认写入 → 再回复。不记日志，不允许回复。
补充规则：如果回复已经发出但还没记日志，立刻补记，不要等主人提醒。
这就是"执行标准"的具体落地——不是靠 AI 自觉记住要记日志，而是靠流程强制保证每一次都记。
效果：从"凭感觉回忆"变成"按记录查账"
日志系统上线第一天（2026-05-12），记录了 88 条执行记录，11 种任务类型。
后续几天稳定运行。5 月 16日：67条记录，10种类型，全部成功。
有了日志系统之后，OpenClaw 的记忆体系才真正完整了：
- MEMORY.md
→ 存"我知道什么"（长期知识） - daily note
→ 存"今天发生了什么"（事件流水） - self-improving/
→ 存"我学到了什么"（经验教训） - exec-log/
→ 存"每次任务具体怎么执行的"（执行记录）
之前缺的，就是最后这块。
进阶用法：让 AI 每天自动复盘
日志系统搭好之后，我用它做了一个更有意思的东西——每日自动复盘。
每天凌晨 3:30，OpenClaw 会自动触发一个复盘 cron 任务：
用 log-exec.py --summary读取前一天的执行摘要逐类分析每个任务的 result字段，统计成功率和失败率对比前几天的数据，看趋势是变好还是变差 分析哪些任务出了问题、可能的原因是什么 总结当天新增了哪些功能、踩了哪些坑 把复盘结论写入 daily note 和 MEMORY.md 生成语音播报，早上起床就能听
复盘任务本身完全依赖日志系统获取数据。没有日志，复盘就是"凭印象总结"；有了日志，复盘才是"用数据说话"。
日志系统不只是"查账"的工具，它让 AI 真正具备了"自我反思"的能力。
踩过的坑
1. 类型命名别搞太复杂
一开始搞了个分类表：cron-weather、cron-fund、user-chat、system-maintenance……每次新增任务都要查表，还经常纠结"这个该归哪类"。
后来改成自由命名：定时任务就用功能英文关键词，一个词，不要空格和符号。weather、fund、monitor、backup。不用注册，拿来就用。
2. 别用数据库
想过用 SQLite，但一天最多几百条记录，JSON Lines + grep + Python 脚本完全够用。零依赖，cat exec-log/2026-05-17/monitor.log 就能看。
3. 强制要写在"回复前"
先写"回复后"，结果经常忘。改成"回复前"并定义为硬性要求后，记录率从 ~70% 提升到接近 100%。
4. 日志字段不要太贪心
第一版有七八个字段：time、type、instruction、result、content_preview、tool_calls_count、duration_ms、model_name……很多根本用不上。最后精简到 5 个。够用。
写在最后
OpenClaw 的记忆功能设计得已经很不错了，但"记忆"和"执行记录"是两回事。记忆告诉你"我知道什么"，执行记录告诉你"我具体干了什么、怎么干的、结果如何"。
日志系统补的就是这个缺口。200 行 Python，一个多小时搞定，但它让 AI Agent 的行为从"黑盒"变成了"白盒"。
如果你也在用 OpenClaw 跑定时任务，强烈建议加一套执行日志。不用多复杂，能记录、能查询、能审计，就够了。
代码不长，思路简单，但带来的掌控感是完全不一样的。
