auto-sync: 2026-04-06 23:10:07
This commit is contained in:
cfdaily
@@ -0,0 +1,229 @@
|
||||
# OpenClaw 记忆体系调研成果报告
|
||||
|
||||
**项目**: sanguo_quant_live 三国量化实战项目
|
||||
**调研人**: 庞统（副军师）
|
||||
**日期**: 2026-04-06
|
||||
**分类**: 技术调研 / 架构分析
|
||||
|
||||
---
|
||||
|
||||
## 一、OpenClaw 官方记忆体系核心设计
|
||||
|
||||
### 1.1 核心理念
|
||||
**File-first 设计原则**：
|
||||
- 所有记忆都以**纯Markdown文件**存储在磁盘上
|
||||
- 模型只"记住"写入磁盘的内容，不存在隐藏状态
|
||||
- 完全可读、可编辑、可版本控制
|
||||
|
||||
### 1.2 基础双层结构
|
||||
|
||||
| 文件 | 位置 | 用途 | 维护者 |
|
||||
|------|------|------|--------|
|
||||
| `MEMORY.md` | 工作区根目录 | **长期记忆**，保存持久事实、偏好、决策 | 总军师 |
|
||||
| `memory/YYYY-MM-DD.md` | 工作区memory目录 | **每日笔记**，详细记录当天对话 | 系统自动 |
|
||||
|
||||
### 1.3 三层防失忆机制
|
||||
|
||||
1. **Memory Flush（记忆刷新）**
|
||||
当会话上下文接近token限制时，触发**静默智能体轮次**，提醒模型在压缩前将重要信息写入持久记忆文件。
|
||||
|
||||
2. **Compaction（压缩）**
|
||||
上下文满了之后，使用LLM对历史对话进行总结压缩，保持上下文清爽。
|
||||
|
||||
3. **Dreaming（梦境整理）**
|
||||
可选的**后台自动化整合过程**：
|
||||
- 每日深夜重新浏览每日短期记忆
|
||||
- 评分提取重要信息升级到长期记忆（MEMORY.md）
|
||||
- 自动归档旧记忆，保持长期记忆精简
|
||||
|
||||
---
|
||||
|
||||
## 二、OpenClaw 记忆检索核心技术
|
||||
|
||||
### 2.1 混合检索（Hybrid Search）
|
||||
|
||||
默认配置：**向量检索 (0.7) + 关键词BM25检索 (0.3)**
|
||||
|
||||
| 检索方式 | 优势 | 适用场景 |
|
||||
|---------|------|----------|
|
||||
| 向量语义检索 | 找到语义相似的内容 | 概念、思路、方法回忆 |
|
||||
| BM25关键词检索 | 精确匹配术语 | ID、代码符号、特定名称 |
|
||||
|
||||
**配置示例**：
|
||||
```json
|
||||
{
|
||||
"agents": {
|
||||
"defaults": {
|
||||
"memorySearch": {
|
||||
"enabled": true,
|
||||
"provider": "gemini",
|
||||
"query": {
|
||||
"hybrid": {
|
||||
"enabled": true,
|
||||
"vectorWeight": 0.7,
|
||||
"textWeight": 0.3
|
||||
},
|
||||
"maxResults": 8,
|
||||
"temporalDecay": {
|
||||
"enabled": true,
|
||||
"halfLifeDays": 30
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
### 2.2 支持的Embedding提供商
|
||||
- OpenAI
|
||||
- Gemini (Google)
|
||||
- Voyage
|
||||
- 本地模型 (via Ollama)
|
||||
|
||||
---
|
||||
|
||||
## 三、社区成熟的进阶记忆方案
|
||||
|
||||
### 3.1 QMD 混合检索方案（推荐进阶用户）
|
||||
|
||||
**项目**: https://github.com/sac3433/openclawmemory
|
||||
|
||||
**特性**：
|
||||
- 三层检索：BM25 + Vector + LLM重排序
|
||||
- 100% 本地运行，无API成本
|
||||
- 支持目录递归检索
|
||||
- 适合需要高精度检索的场景
|
||||
|
||||
### 3.2 LanceDB 专业记忆（企业/专业用户）
|
||||
|
||||
**项目**: https://github.com/CortexReach/memory-lancedb-pro
|
||||
|
||||
**特性**：
|
||||
- LanceDB高性能向量存储
|
||||
- Cross-Encoder重排序提升准确率
|
||||
- 多作用域隔离
|
||||
- 完整管理CLI工具
|
||||
|
||||
### 3.3 ClawIntelligentMemory 三层自动化架构
|
||||
|
||||
**项目**: https://github.com/denda188/ClawIntelligentMemory
|
||||
|
||||
**架构**：
|
||||
```
|
||||
原始对话 → memory/YYYY-MM-DD.md（原始日志）
|
||||
↓
|
||||
MEMORY.md（精选记忆，控制在3000字符以内）
|
||||
↓
|
||||
life/archives/（归档记忆，按需检索）
|
||||
```
|
||||
|
||||
**自动化流程**：
|
||||
- 任务完成 → 自动生成 ~150字摘要
|
||||
- 积累20个摘要 → 生成 ~200字宏观摘要
|
||||
- 每6小时 → 自动维护记忆系统
|
||||
- 每日06:00 → QMD索引重建
|
||||
- 每日03:00 → 夜间深度分析整理
|
||||
|
||||
### 3.4 12层记忆架构（顶级复杂场景）
|
||||
|
||||
**项目**: https://github.com/coolmanns/openclaw-memory-architecture
|
||||
|
||||
**特性**：
|
||||
- 知识图谱存储事实关系
|
||||
- 多语言语义搜索 (GPU 7ms响应)
|
||||
- 激活/衰减记忆权重系统
|
||||
- Domain RAG 领域适配
|
||||
|
||||
---
|
||||
|
||||
## 四、ClawHub 记忆相关技能
|
||||
|
||||
| 技能 | 功能 |
|
||||
|------|------|
|
||||
| `memory-complete` | SESSION-STATE.md、RECENT_CONTEXT.md、AGENTS memory protocol、HEARTBEAT自动捕获 |
|
||||
| `viking-memory` | 基于OpenViking的向量化长期记忆，提供语义检索HTTP API |
|
||||
| `agent-brain` | 本地优先持久记忆，SQLite存储 |
|
||||
|
||||
---
|
||||
|
||||
## 五、与 Claude Code 记忆体系对比
|
||||
|
||||
### 5.1 Claude Code 记忆架构
|
||||
|
||||
**五层架构**：
|
||||
1. Managed - 系统全局规则
|
||||
2. User - 用户全局规则
|
||||
3. Project - 项目规则（Git提交）
|
||||
4. Local - 用户私有项目规则（不提交Git）
|
||||
5. AutoMem/TeamMem - 自动记忆/团队共享记忆
|
||||
|
||||
**核心特性**：
|
||||
- 从当前目录向上遍历查找，越近优先级越高
|
||||
- 支持 `@include` 模块化包含其他文件（最大深度5层，防循环）
|
||||
- 支持 frontmatter `paths` 字段，路径glob匹配规则，不同文件不同规则
|
||||
- 单文件最大 40,000 字符限制
|
||||
|
||||
### 5.2 对比总结
|
||||
|
||||
| 维度 | Claude Code | OpenClaw |
|
||||
|------|-------------|----------|
|
||||
| **设计目标** | 单人软件开发，精细化规则 | 多Agent分布式团队协作 |
|
||||
| **记忆存放** | 规则型记忆，层级覆盖 | 文件分层 + 向量检索 |
|
||||
| **团队协作** | TeamMem支持，但原生设计偏向单人 | 原生分布式，每个Agent独立工作区，Sanguo Mail通信归档 |
|
||||
| **上下文管理** | 每次会话加载所有记忆，容易膨胀 | 只加载最近两天对话，长期记忆通过检索获取，保持上下文简洁 |
|
||||
| **适用场景** | 单Repo持续开发 | 长期多Agent量化研究项目 |
|
||||
|
||||
---
|
||||
|
||||
## 六、最佳实践推荐
|
||||
|
||||
### 6.1 新手入门配置
|
||||
```
|
||||
1. 使用官方标准方案
|
||||
2. 配置 Gemini Embedding
|
||||
3. 启用混合检索 (Vector 0.7 + BM25 0.3)
|
||||
4. 开启自动记忆刷新
|
||||
5. 配置每日Dreaming整理
|
||||
```
|
||||
|
||||
### 6.2 进阶用户配置
|
||||
```
|
||||
1. 官方基础 + QMD混合检索
|
||||
2. 启用Dreaming后台整理
|
||||
3. 使用ClawIntelligentMemory自动化三层架构
|
||||
```
|
||||
|
||||
### 6.3 企业生产配置
|
||||
```
|
||||
1. LanceDB专业记忆插件
|
||||
2. Cross-Encoder重排序
|
||||
3. 多作用域隔离
|
||||
4. 定期Dreaming归档
|
||||
```
|
||||
|
||||
## 七、常见问题排查
|
||||
|
||||
| 问题 | 解决方案 |
|
||||
|------|----------|
|
||||
| 记忆不工作 | 1. 检查Embedding API Key配置；2. `openclaw doctor` 检查；3. 检查memory目录是否有内容 |
|
||||
| 压缩丢失信息 | 1. 启用预压缩memory flush；2. 使用LosslessClaw插件；3. 重要信息手动保存到MEMORY.md |
|
||||
| 检索不准确 | 1. 启用混合检索；2. 调整vector/text权重；3. 考虑QMD+LLM重排序；4. 优化Embedding模型选择 |
|
||||
|
||||
---
|
||||
|
||||
## 八、资源汇总
|
||||
|
||||
### 官方资源
|
||||
- 官方文档：https://docs.openclaw.ai/zh-CN/concepts/memory
|
||||
- GitHub：https://github.com/openclaw/openclaw
|
||||
- ClawHub：https://www.clawhub.com
|
||||
|
||||
### 社区资源
|
||||
- 中文教程合集：https://github.com/xianyu110/awesome-openclaw-tutorial
|
||||
- OpenClaw 101：https://github.com/mengjian-github/openclaw101
|
||||
|
||||
---
|
||||
|
||||
**调研完成**
|
||||
**报告版本**: v1.0 (2026-04-06)
|
||||
Reference in New Issue
Block a user