OpenClaw 记忆机制详解：三层记忆架构与长期记忆管理

OpenClaw 通过将记忆写入磁盘的纯文本文件来实现持久化——模型本身没有隐藏状态，所有记忆都显式存储在文件中。本文详细介绍其三层记忆架构及各种高级记忆功能。

第一部分：三层记忆架构

OpenClaw 的记忆系统采用三层模型，从近到远分别是：

第一层：会话上下文（Session Context）

当前对话的缓冲区，包含本轮对话的所有消息。这是每次 API 请求都会发送的活跃数据，由 LCM（Long-term Context Manager）管理。当上下文窗口接近满时，会触发自动压缩（compaction）。

关键机制：自动记忆冲刷

当对话接近上下文上限时，OpenClaw 会触发一个静默的 Agent 自主执行，在压缩前自动将重要上下文写入 memory/YYYY-MM-DD.md：

对话接近上下文限制
    ↓
静默记忆冲刷触发
    ↓
模型将重要上下文写入 memory/ 日志
    ↓
模型回复 NO_REPLY（用户无感知）
    ↓
自动压缩继续执行

第二层：工作记忆（Daily Notes）

位于 memory/YYYY-MM-DD.md 文件中，记录每日运行日志和观察。今天和昨天的日志会自动加载，文件会被索引供 memory_search 检索，但不会注入到每次启动的引导提示中。

适用于：详细的每日笔记、观察、对话摘要和将来可能有用的原始上下文。

第三层：长期记忆（MEMORY.md）

位于 ~/.openclaw/workspace/MEMORY.md，是精心提炼的持久层。记录持久的facts、偏好、决策和摘要，在每次主会话启动时自动加载。

适用于：长期facts、用户偏好、既定决策和简短摘要。不是原始对话记录或每日日志。

---

三层之间的关系：

层级	文件	生命周期	何时加载
第一层	会话上下文	当前对话	每次 API 请求
第二层	memory/YYYY-MM-DD.md	每日	今天+昨天自动加载
第三层	MEMORY.md	长期	每次 DM 会话启动

---

第二部分：核心记忆文件 MEMORY.md

什么是 MEMORY.md

MEMORY.md 是 OpenClaw 的核心记忆文件，位于工作空间根目录。每次新的主会话（DM）启动时，这个文件的内容会自动加载到模型上下文中，确保 Agent 能够”记住”之前的重要信息。

写入什么内容

• 用户的持久偏好（如”使用中文回复”）
• 已做出的重要决策和结论
• 长期的facts（如用户的姓名、职业、项目信息）
• 技能和工具的配置说明
• 协作规则和流程

不要写入的内容

• 原始对话记录（这是 daily notes 的职责）
• 临时性的待办（用飞书任务/企业微信待办）
• 过时信息（定期清理 MEMORY.md）

如何维护

让 Agent 自动维护即可。当你告诉它”记住 XXX”时，它会自动写入合适的位置。定期（建议每隔几天）可以让 Agent 审查 MEMORY.md，删除过时内容，将详细材料提炼为摘要。

提示：如果 MEMORY.md 超过引导预算，OpenClaw 会将文件保留在磁盘上，但截断注入上下文的部分。这时需要将详细内容移回 memory/*.md，或在 MEMORY.md 中只保留精简摘要。

---

第三部分：上下文管理

上下文中包含的内容

每次 API 请求发送的上下文包含：

• 当前对话消息列表
• 引导提示（Bootstrap prompt）
• 已加载的 MEMORY.md 内容
• 已加载的 daily notes 内容
• 工具定义和调用历史
• 系统指令

默认引擎的处理方式

OpenClaw 默认使用 LCM（Long-term Context Manager） 进行上下文管理。当对话变长、接近上下文窗口上限时，LCM 会触发自动压缩（Auto-compaction）：

1. 评估哪些消息可以安全压缩或移除
2. 保留关键信息和结论
3. 用摘要替代原始对话记录
4. 释放上下文空间继续对话

无损上下文：lossless-claw 插件

默认的压缩方式会丢失部分对话细节。如果你希望无损保留所有对话历史，可以安装 lossless-claw 插件：

openclaw plugins install lossless-claw

# 设置为默认压缩策略
openclaw config set memory.compaction lossless

lossless-claw 的工作原理：

• 将每次交互存储在持久化数据库中
• 将旧内容增量摘要为层级有向无环图（DAG）
• 不删除任何信息，只提炼关键结论
• Agent 可以动态重构详细上下文（按需展开摘要）
• 保留完整的对话历史，而非删除后不可恢复

注意：lossless-claw 不会写入 MEMORY.md，只管理会话压缩过程。

---

第四部分：长期记忆与记忆搜索

开启长期记忆和向量搜索

在 openclaw.json 中配置：

{
  "agents": {
    "defaults": {
      "memorySearch": {
        "provider": "local",
        "sync": {
          "watch": true,
          "watchDebounceMs": 1500
        }
      }
    }
  }
}

其中 provider: "local" 使用本地向量模型进行语义搜索，无需外部 API。

配置本地向量模型

{
  "agents": {
    "defaults": {
      "memorySearch": {
        "provider": "local",
        "model": "bge-m3"  // 本地嵌入模型
      }
    }
  }
}

查看当前记忆状态

# 查看记忆文件大小和状态
openclaw doctor

# 查看上下文详情
openclaw context list
openclaw context detail

# 查看记忆文件
ls -la ~/.openclaw/workspace/memory/
cat ~/.openclaw/workspace/MEMORY.md

重建记忆数据库

如果向量数据库损坏或需要重建：

# 重新索引所有记忆文件
openclaw memory rebuild

# 或者删除数据库后让系统自动重建
rm -rf ~/.openclaw/memory-index/

---

第五部分：Dreaming 做梦机制

什么是 Dreaming

Dreaming 是 OpenClaw v2026.4.5 引入的实验性记忆巩固框架，灵感来源于人类睡眠机制。Agent 在后台（类睡眠状态）自动整理、提炼和强化记忆，帮助自己在”醒来”时拥有更清晰可用的记忆系统。

工作原理

Dreaming 模拟人类睡眠的三个阶段：

阶段	类型	功能
浅睡	摄入（Ingestion）	消化当日记忆文件
REM	模式识别	识别重要模式和关联
深睡	记忆强化	将重要内容提升到长期记忆

Dreaming 的输出

Dreaming 会在工作空间生成 DREAMS.md 文件（如果存储包含内联输出），记录：

• REM 睡眠摘要
• 做梦期间的强化信号
• 用于深度排序的记录

注意：Dreaming 不会写入 MEMORY.md，只写入 DREAMS.md 供人类审查。

开启 Dreaming

# 安装 dreaming 插件
openclaw plugins install @openclaw/dreaming

# 在 openclaw.json 中启用
{
  "plugins": {
    "dreaming": {
      "enabled": true,
      "schedule": "0 3 * * *"  // 每天凌晨 3 点执行
    }
  }
}

# 重启 Gateway
openclaw gateway restart

审查 Dreaming 日志

Dreaming 运行后，可以查看生成的 DREAMS.md：

cat ~/.openclaw/workspace/DREAMS.md

---

第六部分：知识库

OpenClaw 支持多种知识库集成，实现超越纯文本记忆的结构化知识管理。

内置知识库：OpenClaw Wiki

memory-wiki 插件将持久记忆编译为 Wiki 知识库，提供：

• 确定性页面结构：标准化格式的知识页面
• 结构化 claims 和证据：每个知识点可追溯来源
• 矛盾和新鲜度追踪：自动检测过时或冲突信息
• 生成的仪表盘：知识库概览
• Agent 运行时消费者：为 AI 提供可靠的知识点注入

openclaw plugins install memory-wiki

开启后可用以下工具：

• wiki_search — 知识库搜索
• wiki_get — 读取知识页面
• wiki_apply — 写入知识更新
• wiki_lint — 检查知识库一致性

外部知识库：RAGFlow

RAGFlow 是一个开源的 RAG（检索增强生成）引擎，可以与 OpenClaw 配合使用，实现更强大的文档理解和问答能力。

适合场景：

• 大规模文档库检索
• 复杂文档的语义理解
• 企业知识管理

外部知识库：Get笔记

Get笔记（biji.com）开放平台，支持将笔记内容接入 OpenClaw：

{
  "plugins": {
    "getnote": {
      "apiKey": "your-api-key"
    }
  }
}

配置后可以通过 Skill 调用 Get笔记的搜索和写入功能。

外部知识库：IMA 笔记

IMA 是腾讯的智能笔记应用，可以通过其开放 API 与 OpenClaw 集成，实现笔记内容的检索和引用。

---

总结

OpenClaw 的记忆系统设计精妙，通过三层架构实现了”无隐藏状态”的纯文本持久化：

1. 会话上下文：活跃对话缓冲区，由 LCM 管理
2. 工作记忆：每日笔记，自动记忆冲刷保护
3. 长期记忆：精心提炼的 MEMORY.md

配合 lossless-claw 实现无损压缩、Dreaming 实现睡眠式记忆整理、以及多种知识库集成，构成了一个完整的长期记忆管理生态系统。

善用这些机制，可以让 AI Agent 真正做到”记得住、记得准、不遗忘”。

---

本文基于 OpenClaw 2026.5.x 版本编写

---

第七部分：当 Agent “想不起来”时怎么办

有时候 Agent 会说”我想不起来了”，这时候可以引导它去各个记忆系统中搜索。

引导搜索的步骤

第一步：让它搜索记忆文件

直接告诉它：”去记忆里搜索一下”或”在 memory 里找找看”。

Agent 会使用 memory_search 工具进行语义搜索，即使用词不同也能匹配到相关内容。

第二步：让它用 LCM 插件搜索

告诉它：”用 LCM 插件搜索一下”或”查一下压缩日志里的内容”。

LCM 插件管理着完整的会话历史，可以帮你找到被压缩但仍保留的信息。

第三步：让它搜索知识库

如果知识库已配置，告诉它：”去 Wiki 知识库里搜索一下”或”在 RAGFlow/Get笔记里找找”。

示例对话

用户：你记得上周我们讨论的 OpenClaw 升级方案吗？
Agent：我想不起来了…
用户：去记忆里搜索一下
Agent：memory_search 搜索中…找到了！上周我们讨论了…

主动维护记忆的建议

为了让 Agent 记得更清楚，可以：

• 定期让 Agent 更新 MEMORY.md：每隔几天让它整理一次记忆
• 重要决策明确说：告诉它”把这个记到 MEMORY.md 里”
• 检查 DREAMS.md：如果有 Dreaming 功能，定期看看它的做梦日记
• 给记忆打标签：在记忆文件中用标签标记重要主题，方便检索

---

本文基于 OpenClaw 2026.5.x 版本编写

---

📌 博客地址