精英长期记忆系统 🧠

专为 AI 智能体打造的终极记忆系统。 整合 6 种经验证有效的记忆方法，构建出坚不可摧的统一架构。

永不丢失上下文，永不遗忘决策，永不重复错误。

架构概览

┌─────────────────────────────────────────────────────────────────┐
│                    ELITE LONGTERM MEMORY                        │
├─────────────────────────────────────────────────────────────────┤
│                                                                 │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐             │
│  │   HOT RAM   │  │  WARM STORE │  │  COLD STORE │             │
│  │             │  │             │  │             │             │
│  │ SESSION-    │  │  LanceDB    │  │  Git-Notes  │             │
│  │ STATE.md    │  │  Vectors    │  │  Knowledge  │             │
│  │             │  │             │  │  Graph      │             │
│  │ (survives   │  │ (semantic   │  │ (permanent  │             │
│  │  compaction)│  │  search)    │  │  decisions) │             │
│  └─────────────┘  └─────────────┘  └─────────────┘             │
│         │                │                │                     │
│         └────────────────┼────────────────┘                     │
│                          ▼                                      │
│                  ┌─────────────┐                                │
│                  │  MEMORY.md  │  ← 精心整理的长期记忆          │
│                  │  + daily/   │    （人类可读）                 │
│                  └─────────────┘                                │
│                          │                                      │
│                          ▼                                      │
│                  ┌─────────────┐                                │
│                  │ SuperMemory │  ← 云端备份（可选）             │
│                  │    API      │                                │
│                  └─────────────┘                                │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

五层记忆结构

第 1 层：HOT RAM（SESSION-STATE.md）

来源：bulletproof-memory

具备抗压缩能力的活跃工作记忆。采用 Write-Ahead Log（WAL）协议。

# SESSION-STATE.md — 活跃工作记忆

## 当前任务
[我们此刻正在处理的任务]

## 关键上下文
- 用户偏好：...
- 已做决策：...
- 阻塞项：...

## 待办事项
- [ ] ...

规则： 必须在响应用户前完成写入。该操作由用户输入触发，而非智能体自身记忆机制触发。

第 2 层：WARM STORE（LanceDB 向量库）

来源：lancedb-memory

支持对全部记忆内容进行语义搜索。自动召回机制可注入相关上下文。

# 自动召回（自动执行）
memory_recall query="项目状态" limit=5

# 手动存储
memory_store text="用户偏好深色模式" category="preference" importance=0.9

第 3 层：COLD STORE（Git-Notes 知识图谱）

来源：git-notes-memory

结构化地记录决策、经验与上下文，支持分支感知能力。

# 存储一项决策（静默执行 — 不对外宣告）
python3 memory.py -p $DIR remember '{"type":"decision","content":"前端使用 React"}' -t tech -i h

# 检索上下文
python3 memory.py -p $DIR get "frontend"

第 4 层：CURATED ARCHIVE（MEMORY.md + daily/）

来源：OpenClaw 原生实现

面向人类阅读的长期记忆系统。包含每日日志与提炼后的核心知识。

workspace/
├── MEMORY.md              # 精心整理的长期记忆（精华内容）
└── memory/
    ├── 2026-01-30.md      # 每日日志
    ├── 2026-01-29.md
    └── topics/            # 主题专属文件

第 5 层：CLOUD BACKUP（SuperMemory）—— 可选

来源：supermemory

跨设备同步。支持直接与你的知识库对话。

export SUPERMEMORY_API_KEY="your-key"
supermemory add "重要上下文"
supermemory search "我们之前关于……的决定是什么？"

第 6 层：AUTO-EXTRACTION（Mem0）—— 推荐启用

新增功能：自动事实抽取

Mem0 可自动从对话中抽取事实信息，节省高达 80% 的 token 消耗。

npm install mem0ai
export MEM0_API_KEY="your-key"

const { MemoryClient } = require('mem0ai');
const client = new MemoryClient({ apiKey: process.env.MEM0_API_KEY });

// 对话内容将自动抽取事实
await client.add(messages, { user_id: "user123" });

// 检索相关记忆
const memories = await client.search(query, { user_id: "user123" });

优势：

• 自动抽取偏好、决策与事实信息
• 自动去重并更新已有记忆
• 相比原始对话历史，token 消耗降低 80%
• 跨会话自动生效

快速配置指南

1. 创建 SESSION-STATE.md（Hot RAM）

cat > SESSION-STATE.md << 'EOF'
# SESSION-STATE.md — 活跃工作记忆

此文件是智能体的“RAM”——可抵御压缩、重启及干扰。

## 当前任务
[无]

## 关键上下文
[暂无]

## 待办事项
- [ ] 无

## 近期决策
[暂无]

---
*最后更新时间：[timestamp]*
EOF

2. 启用 LanceDB（Warm Store）

编辑 ~/.openclaw/openclaw.json：

{
  "memorySearch": {
    "enabled": true,
    "provider": "openai",
    "sources": ["memory"],
    "minScore": 0.3,
    "maxResults": 10
  },
  "plugins": {
    "entries": {
      "memory-lancedb": {
        "enabled": true,
        "config": {
          "autoCapture": false,
          "autoRecall": true,
          "captureCategories": ["preference", "decision", "fact"],
          "minImportance": 0.7
        }
      }
    }
  }
}

3. 初始化 Git-Notes（Cold Store）

cd ~/clawd
git init  # 若尚未初始化仓库
python3 skills/git-notes-memory/memory.py -p . sync --start

4. 验证 MEMORY.md 目录结构

# 确保以下结构存在：
# - workspace 根目录下有 MEMORY.md
# - memory/ 文件夹用于存放每日日志
mkdir -p memory

5. （可选）配置 SuperMemory

export SUPERMEMORY_API_KEY="your-key"
# 如需持久化，请添加至 ~/.zshrc

智能体操作指令

会话启动时

1. 读取 SESSION-STATE.md —— 此为你的热上下文
2. 运行 memory_search 获取相关历史上下文
3. 检查 memory/YYYY-MM-DD.md 查看近期活动

对话进行中

1. 用户提供明确细节？ → 在响应前立即写入 SESSION-STATE.md
2. 做出重要决策？ → 静默存入 Git-Notes
3. 表达偏好？ → 使用 memory_store 存储，importance=0.9

会话结束时

1. 更新 SESSION-STATE.md，记录最终状态
2. 若某项内容值得长期保留，则移入 MEMORY.md
3. 创建或更新 memory/YYYY-MM-DD.md 中的当日日志

记忆维护（每周执行）

1. 审阅 SESSION-STATE.md —— 将已完成任务归档
2. 检查 LanceDB 是否存在冗余项：memory_recall query="*" limit=50
3. 清除无关向量：memory_forget id=
4. 将每日日志整合进 MEMORY.md

WAL 协议（关键机制）

Write-Ahead Log（预写日志）： 必须先写入状态，再响应用户，不可颠倒顺序。

为何如此重要？ 若先响应后写入，而过程中发生崩溃或压缩，则上下文将永久丢失。WAL 是保障记忆持久性的核心机制。

示例工作流

用户：“这个项目我们改用 Tailwind，不用原生 CSS。”

智能体（内部执行）：
1. 向 SESSION-STATE.md 写入：“决策：使用 Tailwind，不使用原生 CSS”
2. 存入 Git-Notes：“关于 CSS 框架的决策”
3. 执行 memory_store：“用户偏好 Tailwind 而非原生 CSS”，importance=0.9
4. 然后响应：“收到 —— 就用 Tailwind……”

维护命令集

# 审计向量记忆
memory_recall query="*" limit=50

# 清空全部向量（核选项）
rm -rf ~/.openclaw/memory/lancedb/
openclaw gateway restart

# 导出 Git-Notes
python3 memory.py -p . export --format json > memories.json

# 检查记忆健康度
du -sh ~/.openclaw/memory/
wc -l MEMORY.md
ls -la memory/

记忆失效的常见原因

理解根本原因，方能有效修复：

解决方案（按实施成本排序）

1. 快速见效：启用 memory_search

若您已有 OpenAI API Key，请启用语义搜索：

openclaw configure --section web

该操作将启用对 MEMORY.md 及 memory/*.md 文件的向量搜索能力。

2. 推荐方案：集成 Mem0

自动从对话中抽取事实信息，节省高达 80% 的 token 消耗。

npm install mem0ai

const { MemoryClient } = require('mem0ai');

const client = new MemoryClient({ apiKey: process.env.MEM0_API_KEY });

// 自动抽取并存储
await client.add([
  { role: "user", content: "我偏好 Tailwind 而非原生 CSS" }
], { user_id: "ty" });

// 检索相关记忆
const memories = await client.search("CSS 偏好", { user_id: "ty" });

3. 更优文件结构（零依赖）

memory/
├── projects/
│   ├── strykr.md
│   └── taska.md
├── people/
│   └── contacts.md
├── decisions/
│   └── 2026-01.md
├── lessons/
│   └── mistakes.md
└── preferences.md

保持 MEMORY.md 作为摘要（大小建议 <5KB），其中通过链接指向详细文件。

即时修复检查清单

故障排查

智能体在对话中途持续遗忘：
→ SESSION-STATE.md 未被及时更新。请核查 WAL 协议执行情况。

注入了无关记忆：
→ 关闭 autoCapture，提高 minImportance 阈值。

记忆体积过大，召回变慢：
→ 执行记忆维护：清理过期向量，归档旧日志。

Git-Notes 无法持久化：
→ 运行 git notes push 同步至远程仓库。

memory_search 返回空结果：
→ 检查 OpenAI API Key：echo $OPENAI_API_KEY
→ 确认 openclaw.json 中 memorySearch 已启用

相关链接

• bulletproof-memory: https://clawdhub.com/skills/bulletproof-memory
• lancedb-memory: https://clawdhub.com/skills/lancedb-memory
• git-notes-memory: https://clawdhub.com/skills/git-notes-memory
• memory-hygiene: https://clawdhub.com/skills/memory-hygiene
• supermemory: https://clawdhub.com/skills/supermemory

由 @NextXFrontier 构建 — Next Frontier AI 工具套件组成部分