8.5 KiB
8.5 KiB
OpenClaw 记忆功能学习与卡若AI 对照
学习对象：OpenClaw 官方 Memory 文档 + codesfly/openclaw-memory-final（生产级）；对照卡若AI 记忆系统，提炼可借鉴点。
更新：2026-03-03
一、OpenClaw 官方记忆（docs.openclaw.ai）
1.1 存储形态
- 纯 Markdown，文件为唯一真相源；模型只「记住」写入磁盘的内容。
- 两层：
- 长期：
MEMORY.md（可选），持久事实与决策。 - 日志：
memory/YYYY-MM-DD.md，按日追加、会话启动时读「今天+昨天」。
- 长期：
1.2 工具
- memory_get：按文件/行范围精确读取。
- memory_search：语义检索（基于索引片段）；文件不存在时优雅降级返回空，不抛错。
1.3 何时写入
- 用户说「记住」→ 必须落盘，不留在内存。
- 日常笔记、运行上下文 →
memory/YYYY-MM-DD.md。 - 决策、偏好、持久事实 →
MEMORY.md。
1.4 自动 memory flush（ compaction 前）
- 会话接近自动压缩时，触发静默 agent 轮，提醒模型在压缩前把该持久化的写入记忆。
- 可配置：
memoryFlush.enabled、softThresholdTokens、提示词（含NO_REPLY避免对用户可见）。
1.5 向量检索
- 可对
MEMORY.md与memory/*.md建小向量索引，支持语义查询。 - 默认按可用 Key 自动选择：Mistral / Voyage / Gemini / OpenAI / local；支持 Ollama、sqlite-vec 加速。
- QMD 后端（实验）：
memory.backend = "qmd"，本地 BM25 + 向量 + 重排，Markdown 仍为真相源，检索交给 QMD 侧车。
二、openclaw-memory-final（生产级，codesfly）
- 仓库：https://github.com/codesfly/openclaw-memory-final
- 最新：v0.4.2（2026-03），Node 22+，可选 QMD 索引。
2.1 设计目标
- 可靠性：自愈、避免静默失败。
- 幂等：同一会话状态不重复写入日记忆块。
- 成本可控：避免不必要的向量 embed（每日 qmd update，每周才 qmd embed）。
- 可审计：决策与状态可追溯。
2.2 分层 Pipeline
| 层级 | 说明 |
|---|---|
| 短期工作台 | memory/CURRENT_STATE.md，当日工作台，compaction/重置后首选恢复点；可每轮覆盖（非仅追加）。建议字段：今日目标/进行中/阻塞/下一步≤3。 |
| 日记忆日志 | memory/YYYY-MM-DD.md，主会话 + 子 Agent 产出经「每日蒸馏」写入，仅追加。 |
| 任务结果卡 | memory/tasks/YYYY-MM-DD.md，仅结果的子 Agent 任务卡；主会话整理，子 Agent 原始过程保留在隔离历史供审计。 |
| 每日蒸馏 Daily Sync | 23:00 本地时间；近 26h 会话；过滤 <2 条用户消息的会话；写入日日志；幂等游标（last user message fingerprint）防重。 |
| 每周精炼 Weekly Tidy | 周日 22:00；合并近 7 日日志进长期记忆；约束 MEMORY.md（如 80 行/5KB）；写周报 memory/weekly/YYYY-MM-DD.md；归档日日志到 memory/archive/YYYY/。 |
| Watchdog | 每 2h 的 :15；检测禁用/陈旧/错误；仅当连续 2 次异常才告警（低噪）。 |
| Retrieval Watchdog | 每 30 分钟；检索健康检查，2-hit 确认异常。 |
| QMD 夜间维护 | 每日 03:20；qmd update；仅当待处理积压超阈值时 qmd embed。 |
2.3 多 Agent 记忆模型
- 主会话 = 记忆策展人：整合持久结果与决策。
- 子 Agent：只执行；原始过程留在隔离会话历史，可审计。
- 共享交接层：
memory/tasks/YYYY-MM-DD.md，仅结果的任务卡。 - 检索顺序：先任务卡 → 再语义记忆搜索 → 最后按需钻取原始会话。
2.4 任务卡字段（建议）
- goal / boundary / acceptance / key actions / artifact paths / final status / next step
2.5 Context Budget + 动态画像
memory/context-profiles.json定义按画像的上下文来源。- 注入前硬预算：单文件上限（默认 20000 字符）、总上限（默认 80000 字符）。
- 按优先级（如 main/ops/btc/quant）组 context pack，控制 prompt 膨胀与延迟。
2.6 冲突检测
- 持久化前扫描长期记忆中的路由/规则漂移，避免静默覆盖（
memory_conflict_check.py→memory-conflict-report.json）。
2.7 状态文件（摘要）
processed-sessions.json：幂等游标。memory-watchdog-state.json：异常计数与 last3 快照。context-budget-state.json：预算检查结果。memory-retrieval-watchdog-state.json：检索健康状态。
三、卡若AI 记忆系统现状（简要）
| 层级 | 位置 | 说明 |
|---|---|---|
| 短期 | Cursor 对话上下文 | 单次对话有效 |
| 长期 | 个人/1、卡若：本人/记忆.md |
单文件，偏好/规则/人脉/原则 |
| 结构化 | 水溪_整理归档/记忆系统/structured/ |
技能索引、Agent 成果、每日摘要、幂等游标、健康、watchdog 报告、周报 |
自动化：collect_chat_daily.py（每日、幂等+脱敏）、collect_daily.py（每日摘要）、weekly_optimize.py（每周 SKILL 审计+经验整理）、memory_watchdog.py（每 2h、连续 2 次异常才告警）。
四、可借鉴点（卡若AI 学习清单）
| OpenClaw / memory-final | 卡若AI 可借鉴 |
|---|---|
| CURRENT_STATE 短期工作台 | 可选：在 记忆系统/ 或工作台增加「当日工作台」单文件（今日目标/进行中/阻塞/下一步≤3），compaction 或新会话时优先读。 |
| 任务结果卡（仅结果） | 多线程/子任务执行时，将每个子任务的结果写成「任务卡」到 structured/tasks/YYYY-MM-DD.md，检索时先任务卡再其他。 |
| 检索顺序 | 明确：先查任务卡/结构化结果 → 再查长期记忆/经验库 → 最后按需查原始对话归档。 |
| Context budget | 若未来做「记忆注入」到 prompt，先做单文件与总字符上限，避免一次性灌入过多记忆。 |
| Compaction 前 memory flush | 若平台支持「压缩前回调」，可在压缩前提醒写入 记忆.md 或当日工作台。 |
| 冲突检测 | 写入长期记忆或规则前，扫描已有规则/路由是否与新内容冲突，生成简单 conflict 报告。 |
| QMD / 向量检索 | 长期可选：对 记忆.md 或结构化摘要做本地向量索引（如 QMD 或现有嵌入），支持语义检索；当前卡若AI 以文件与关键词为主，可后续迭代。 |
| 周报与归档 | 已有 weekly_report；可明确「周报 + 日日志归档到 archive/YYYY/」的目录规范，与 memory-final 对齐。 |
五、参考链接
- OpenClaw Memory 概念：https://docs.openclaw.ai/concepts/memory
- openclaw-memory-final：https://github.com/codesfly/openclaw-memory-final
- openclaw-memory-final 架构：https://github.com/codesfly/openclaw-memory-final/blob/main/docs/architecture.md
- 卡若AI 记忆系统：
02_卡人（水）/水溪_整理归档/记忆系统/README.md