OpenClaw框架通过双通道记忆结构实现长期与短期记忆分离：短期记忆用内存缓存（如Redis环形缓冲），长期记忆用向量数据库（如Chroma）；经MemoryRouter路由、FusionLayer融合检索，并配置时效性衰减机制。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
OpenClaw框架中若需实现Agent的记忆管理并区分长期与短期记忆，需依托其模块化设计特性，通过独立组件配置与数据流向控制达成记忆分层。以下是具体实施路径：
一、构建双通道记忆存储结构
短期记忆采用内存驻留的环形缓冲区或LRU缓存机制，仅保留最近N轮交互上下文；长期记忆则映射至持久化向量数据库，支持语义检索与增量写入。两者物理隔离，避免生命周期混淆。
1、在config.yaml中定义memory模块参数，设置short_term_capacity: 10与long_term_backend: "chroma"。
2、初始化Agent时调用MemoryManager类，传入separate_storage=True参数启用双通道模式。
3、为短期记忆分配固定大小的Redis内存实例，键名前缀设为"st_"；为长期记忆配置独立Chroma collection，名称设为"lt_knowledge_base"。
二、设计记忆写入路由策略
依据记忆内容时效性与语义重要性动态分流：对话临时变量、用户即时指令归入短期记忆；实体关系、任务完成标记、用户偏好声明等结构化知识写入长期记忆。路由逻辑由MemoryRouter组件执行判定。
1、在agent_core.py中注入MemoryRouter中间件，覆盖default_write方法。
2、对输入数据调用is_essential_for_long_term()函数判断——若含"偏好"、"记住"、"以后都"等关键词或提取出命名实体，则触发长期写入流程。
完整的工作区安全套件：检测未授权修改，扫描提示注入模式，自动响应应对措施——快照恢复、技能隔离、Git回滚和自动保护扫描。智能体工作区的完整安装后安全层。
3、其余数据统一走短期记忆通道，写入前自动附加timestamp与session_id元字段。
三、实现跨周期记忆检索协同
短期记忆提供低延迟上下文拼接能力，支撑当前对话连贯性；长期记忆通过向量相似度匹配召回历史相关片段。二者检索结果经FusionLayer加权合并后输入LLM提示词，确保信息既实时又延续。
1、每次推理前，调用retrieve_short_term(session_id, window=5)获取最新5条短期记录。
2、同步执行long_term_search(query_embedding, top_k=3, filter={"domain": "user_preference"})检索长期库。
3、将两路结果按短期记忆权重0.7、长期记忆权重0.3比例融合，生成最终context_string。
四、配置记忆衰减与清理机制
短期记忆依会话超时或轮次阈值自动清空，防止冗余堆积；长期记忆启用基于置信度与访问频次的分级衰减，低频低置信条目进入待回收队列，人工审核后批量删除。
1、在Redis配置中设置short_term_key的EXPIRE时间为1800秒，对应30分钟无活动会话自动释放。
2、部署定时任务每日扫描Chroma中last_accessed字段距今超90天且score
3、管理员可通过CLI命令openclaw memory prune --batch-size 50触发受控清理流程。
