## 摘要

AI 的"健忘"问题来自两个根本原因：上下文窗口有限、没有持久化存储。OpenClaw 用文件即记忆的方式解决这个问题，构建了"长期记忆（MEMORY.md）+ 短期记忆（每日日志）+ 语义检索（memory_search）"三层架构。本文讲清 MEMORY.md 的读写规则（只在主会话加载）、每日日志的写入时机、memory_search 的参数与返回格式，以及记忆写入、分类、清理、安全的最佳实践，并用个性化助手和跨会话任务跟踪两个案例演示完整流程。读完本文，你能给 Agent 装上可维护的持久化记忆。

> 📌 版本声明：本文基于 OpenClaw 最新稳定版编写。记忆文件位置、加载规则和检索字段可能随版本调整，落地前请以官方文档与 AGENTS.md 说明为准。

@[toc]

## 一、为什么 AI 需要记忆

### 1.1 健忘带来的问题

| 场景 | 问题 | 影响 |
|------|------|------|
| 多轮对话 | 忘记之前说过的话 | 用户体验差 |
| 个性化服务 | 不记得用户偏好 | 每次都要重新说明 |
| 长期任务 | 忘记任务进度 | 无法持续跟进 |
| 知识积累 | 学到的知识无法保存 | 重复学习成本高 |

### 1.2 OpenClaw 的三层记忆架构

```mermaid
graph TB
    subgraph 记忆系统
        subgraph 长期记忆["长期记忆 MEMORY.md"]
            L1[用户偏好]
            L2[重要决策]
            L3[关键知识]
            L4[项目上下文]
        end
        subgraph 短期记忆["短期记忆 memory/YYYY-MM-DD.md"]
            S1[每日工作日志]
            S2[临时任务记录]
            S3[会话摘要]
        end
        subgraph 语义检索["语义检索 memory_search"]
            R1[向量搜索]
            R2[相关性排序]
            R3[上下文召回]
        end
    end
    长期记忆 --> 语义检索
    短期记忆 --> 语义检索
    语义检索 --> AI[AI Agent]
```

![1.png#center](https://developer.qcloudimg.com/http-save/yehe-11154201/feb328e2edb200897521d3867801dcb0.png)
> 🖼️ **图1：三层记忆架构图** —— 展示长期记忆、短期记忆、语义检索的分层与数据流。

### 1.3 记忆类型对比

| 记忆类型 | 文件 | 用途 | 生命周期 |
|----------|------|------|----------|
| 长期记忆 | MEMORY.md | 用户偏好、重要决策、关键知识 | 永久 |
| 短期记忆 | memory/YYYY-MM-DD.md | 每日日志、临时记录 | 定期归档 |
| 会话记忆 | 系统管理 | 当前对话上下文 | 会话结束 |

## 二、MEMORY.md 长期记忆

### 2.1 什么是 MEMORY.md

MEMORY.md 是长期记忆存储，保存用户个人信息、偏好、重要决策、项目关键上下文和需要跨会话记住的知识。它的特点是**持久、精简、只在主会话加载**。

### 2.2 文件结构

```markdown
# MEMORY.md - 长期记忆

## 用户信息
- 姓名：张三
- 时区：Asia/Shanghai
- 语言偏好：中文

## 项目上下文
- 当前项目：OpenClaw 技术文章撰写
- 目标：完成100篇技术文章
- 进度：已完成40篇

## 重要决策
- 2026-03-14：决定采用由浅入深的文章结构
- 2026-04-02：选择飞书作为主要沟通渠道

## 待办事项
- [ ] 完成第41篇记忆系统文章

## 注意事项
- 用户喜欢简洁的表达风格
- 文章需要包含代码示例和图表
```

### 2.3 读写规则

**读取时机**：MEMORY.md 只在主会话加载，不在任何共享上下文（群聊、Discord、其他会话）加载。这是安全设计——个人上下文不应泄漏给陌生人。

**写入时机**：用户明确说"记住这个"、做出重要决策、学习到需要长期保存的知识、用户偏好变化时写入。

![2.png#center](https://developer.qcloudimg.com/http-save/yehe-11154201/1936b6d2fe8b27b1676e2e43bb836dbe.png)
> 🖼️ **图2：MEMORY.md 读写规则图** —— 展示只在主会话加载与写入时机的安全边界。

### 2.4 使用示例

用户说"我比较喜欢简洁的表达，不要太啰嗦"，AI 更新 MEMORY.md：

```markdown
## 用户偏好
- 表达风格：简洁，不喜欢啰嗦
- 沟通语言：中文
```

## 三、memory/YYYY-MM-DD.md 每日日志

### 3.1 每日日志的作用

每日日志是短期记忆，记录当天完成任务、临时决定、会话重要信息和后续跟进事项。它为长期记忆提供"原料"，也为跨会话恢复提供依据。

### 3.2 日志结构

```markdown
# 2026-04-13 工作记录

## 完成的任务
### 1. 撰写记忆系统文章
- 完成摘要和引言
- 完成 MEMORY.md 章节

## 重要决策
- 决定将记忆系统作为独立章节

## 待办事项
- [ ] 完成文章剩余部分
- [ ] 添加代码示例
```

### 3.3 写入时机

| 时机 | 内容 |
|------|------|
| 任务完成 | 记录完成内容和结果 |
| 重要对话 | 记录用户关键需求 |
| 问题遇到 | 记录问题和解决方案 |
| 决策做出 | 记录决策原因和结果 |

### 3.4 维护策略

```mermaid
flowchart LR
    A[每日日志] --> B{超过7天?}
    B -->|否| C[保留]
    B -->|是| D{有重要内容?}
    D -->|是| E[提取到MEMORY.md]
    D -->|否| F[归档/删除]
    E --> F
```

![3.png#center](https://developer.qcloudimg.com/http-save/yehe-11154201/34664e194b6940dca0181c77466b8655.png)
> 🖼️ **图3：每日日志生命周期图** —— 展示日志从写入到归档清理的完整生命周期。

## 四、memory_search 语义搜索

### 4.1 语义搜索的价值

传统关键词搜索只能精确匹配，语义搜索能理解查询意图，按相似度排序，从多个记忆文件中召回相关内容。

### 4.2 工具签名与返回格式

```python
memory_search(
    query="用户的表达风格偏好",
    maxResults=5,
    minScore=0.5
)
```

返回格式：

```json
{
  "results": [
    { "path": "MEMORY.md", "lines": "15-18", "content": "表达风格：简洁直接", "score": 0.92 },
    { "path": "memory/2026-04-10.md", "lines": "5-8", "content": "用户反馈：文章太长", "score": 0.78 }
  ]
}
```

### 4.3 使用场景

| 场景 | 查询示例 |
|------|----------|
| 回忆用户偏好 | "用户的表达风格偏好" |
| 查找历史决策 | "关于文章结构的决定" |
| 定位任务进度 | "当前项目进度" |
| 检索知识点 | "OpenClaw 配置相关" |

### 4.4 实战示例

用户问"我们之前讨论的文章结构是什么样的？"，AI 内部调用：

```python
memory_search(query="文章结构 讨论", maxResults=3)
```

返回：MEMORY.md 中"由浅入深，从入门到精通"（score 0.91），memory 日志中"决定采用5阶段100篇文章规划"（score 0.85）。AI 据此回答："我们决定采用由浅入深的文章结构，分为5阶段共100篇。"

![4.png#center](https://developer.qcloudimg.com/http-save/yehe-11154201/66181450e8d707031f927594d413de2b.png)
> 🖼️ **图4：语义搜索召回流程** —— 展示 memory_search 从查询到返回结果的相似度召回链路。

## 五、记忆维护最佳实践

### 5.1 写入原则

| 原则 | 说明 | 示例 |
|------|------|------|
| 重要性 | 只记录真正重要的内容 | ✅ 用户偏好 ❌ 随口闲聊 |
| 准确性 | 确保信息准确无误 | 核实后再写入 |
| 时效性 | 及时更新过时信息 | 偏好变化时更新 |
| 简洁性 | 避免冗余信息 | 提取关键点 |

### 5.2 分类建议

```markdown
# MEMORY.md 推荐结构

## 👤 用户信息
- 基本信息 / 沟通偏好 / 时区语言

## 📋 项目上下文
- 当前项目 / 目标进度 / 关键里程碑

## 🎯 重要决策
- 决策内容 / 决策原因 / 决策时间

## ⚠️ 注意事项
- 用户不喜欢的事情 / 需要避免的行为

## 📝 待办事项
- 长期待办 / 需要跟进的事项
```

### 5.3 清理策略

```mermaid
flowchart TD
    A[定期检查记忆] --> B{信息过时?}
    B -->|是| C[删除或更新]
    B -->|否| D{是否重要?}
    D -->|是| E[保留MEMORY.md]
    D -->|否| F[归档到日志]
    C --> G[记录变更原因]
```

### 5.4 安全注意事项

| 要求 | 说明 |
|------|------|
| 隐私保护 | 不记录敏感个人信息 |
| 权限隔离 | MEMORY.md 不在群聊加载 |
| 数据加密 | 敏感内容考虑加密存储 |
| 访问控制 | 限制记忆文件访问权限 |

## 六、完整实战案例

### 6.1 场景一：个性化 AI 助手

**步骤1**：初始化 MEMORY.md（用户信息、沟通偏好、项目上下文、注意事项）。

**步骤2**：日常更新。用户说"我最近在研究飞书多维表格，帮我记住"，AI 追加：

```markdown
## 当前关注
- 飞书多维表格（Bitable）开发
```

**步骤3**：语义搜索回忆。用户问"我之前说的文章进度是多少？"，AI 调用 `memory_search(query="文章 进度")`，返回"已完成40篇，目标100篇"并作答。

### 6.2 场景二：多会话任务跟踪

每日日志记录任务进度：

```markdown
# 2026-04-13 工作记录
## 任务进度
- 第41篇文章：记忆系统
  - ✅ 完成摘要和引言
  - ✅ 完成 MEMORY.md 章节
  - 🔄 进行中：语义搜索章节
  - ⏳ 待完成：实战案例
```

跨会话恢复：用户问"昨天写到哪了？"，AI 搜索 `memory/2026-04-12.md`，回答"昨天完成了第40篇，今天应继续第41篇"。

## 七、记忆系统 API 参考

### 7.1 memory_search

```python
memory_search(query="用户的偏好", maxResults=5, minScore=0.5)
```

### 7.2 memory_get

```python
memory_get(path="MEMORY.md", from=10, lines=20)
```

### 7.3 自动记忆触发

| 触发条件 | 操作 |
|----------|------|
| 会话开始 | 读取 MEMORY.md |
| 会话结束 | 写入每日日志 |
| 用户说"记住" | 更新 MEMORY.md |
| 定时任务 | 记忆归档整理 |

## 八、常见问题与解决

### Q1：记忆文件太大怎么办？

定期清理过时信息、归档详细日志、MEMORY.md 只保留关键信息。

### Q2：如何避免记忆冲突？

用时间戳标记、新信息覆盖时记录原因、定期审查合并重复信息。

### Q3：群聊中如何处理记忆？

MEMORY.md 不在群聊加载、群聊信息写单独日志、敏感信息不记录。

### Q4：记忆搜索不准确怎么办？

优化查询关键词、调整 minScore 阈值、使用更具体的查询。

## 九、适用边界与风险提示

### 9.1 不适用场景

- **纯一次性、无长期价值的任务**：记忆系统的价值在于跨会话复用，一次性任务写记忆是浪费。
- **强隐私敏感的个人信息**：记忆文件是明文，涉及敏感信息应走加密存储或外部密钥管理，而不是写入 MEMORY.md。
- **大规模知识库场景**：文件记忆适合个人偏好和项目上下文；海量结构化知识应使用数据库或向量库，而不是全部塞进记忆文件。

### 9.2 需要注意的点

- MEMORY.md 只在主会话加载，不要把依赖它的逻辑放到共享上下文里。
- 写入原则是"重要且准确"，不要把所有对话都记下来，否则记忆文件会迅速膨胀。
- 定期清理与归档，避免记忆文件变成无人维护的垃圾场。

### 9.3 版本与时效

记忆文件位置、加载规则、检索字段可能随版本变化。落地前对照官方文档和 AGENTS.md 核对。

## 十、总结

OpenClaw 记忆系统的核心是"文件即记忆 + 三层架构 + 语义检索"。长期记忆（MEMORY.md）保存跨会话的精华，短期记忆（每日日志）记录当天的过程，语义检索（memory_search）在需要时召回相关内容。

本文的核心结论是：**记忆要分层，写入要克制，检索要语义**。MEMORY.md 只在主会话加载、保证隐私安全；每日日志为长期记忆提供原料；memory_search 让 Agent 在长对话中"过目不忘"。

给 Agent 装上记忆，不是让它记下所有事，而是让它记住该记的事。用好这三层架构，AI 就不再是每次从零开始的"陌生人"，而是能持续跟进、个性化服务的长期伙伴。

## 参考资料

1. OpenClaw 官方文档：https://docs.openclaw.ai
2. OpenClaw GitHub：https://github.com/openclaw/openclaw
3. AGENTS.md 记忆系统说明：https://github.com/openclaw/openclaw/blob/main/AGENTS.md



AI 的"健忘"问题来自两个根本原因：上下文窗口有限、没有持久化存储。OpenClaw 用文件即记忆的方式解决这个问题，构建了"长期记忆（MEMORY.md）+ 短期记忆（每日日志）+ 语义检索（memory_search）"三层架构。本文讲清 MEMORY.md 的读写规则（只在主会话加载）、每日日志的写入时机、memory_search 的参数与返回格式，以及记忆写入、分类、清理、安全的最佳实践，并用个性化助手和跨会话任务跟踪两个案例演示完整流程。读完本文，你能给 Agent 装上可维护的持久化记忆。

OpenClaw 记忆系统实战：MEMORY.md 长期记忆与三层架构

AI 的"健忘"问题来自两个根本原因：上下文窗口有限、没有持久化存储。OpenClaw 用文件即记忆的方式解决这个问题，构建了"长期记忆（MEMORY.md）+ 短期记忆（每日日志）+ 语义检索（memory_search）"三层架构。本文讲清 MEMORY.md 的读写规则（只在主会话加载）、每日日志的写入时机、memory_search 的参数与返回格式，以及记忆写入、分类、清理、安全的最佳实

项目经理

大数据

OpenClaw记忆系统详解：三层架构解决AI健忘问题。本文深入解析MEMORY.md长期记忆、每日日志短期记忆与memory_search语义检索的完整实现方案，涵盖文件读写规则、参数配置、维护策略及实战案例。通过"文件即记忆"设计，为Agent构建可维护的持久化记忆体系，实现跨会话个性化服务与任务跟踪。含代码示例与最佳实践，帮助开发者快速落地。

数据加密

代码解释

密钥管理

数据库

数据流

OpenClaw

GitHub

Agent

Solid

腾讯云双十一大促

lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

OpenClaw记忆系统详解：三层架构解决AI健忘问题。本文深入解析MEMORY.md长期记忆、每日日志短期记忆与memory_search语义检索的完整实现方案，涵盖文件读写规则、参数配置、维护策略及实战案例。通过"文件即记忆"设计，为Agent构建可维护的持久化记忆体系，实现跨会话个性化服务与任务跟踪。含代码示例与...

OpenClaw 记忆系统实战：MEMORY.md 长期记忆与三层架构-腾讯云开发者社区-腾讯云

OpenClaw 记忆系统实战：MEMORY.md 长期记忆与三层架构

OpenClaw 记忆系统实战：MEMORY.md 长期记忆与三层架构

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐