OpenClaw教程（八）—— 为OpenClaw打造记忆系统

上一篇我们探讨了OpenClaw的自动化能力，今天的话题，可以说是一个AI助手能否真正“进化”的关键——如何为它构建一套有效的记忆系统。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

随着助手能力的不断扩展，它每天处理的事务会越来越多，产生的信息量也会急剧增长：例行检查、异常发现、你下达的各种指令……如果没有记忆，每次唤醒它都如同面对一张白纸，什么也回想不起来，协作的深度和连续性就无从谈起。因此，一套可靠的记忆归档机制，是让AI从“工具”向“伙伴”转变的基石。

一、记忆文件

OpenClaw的记忆，本质上就是保存在智能体工作空间中的纯Markdown文件。这里有一个核心原则需要明确：本地磁盘上的这些文件才是唯一真实可靠的记忆来源。模型本身并不真正“记住”任何事，它只是在需要时去读取已经写入磁盘的内容。

那么，这些记忆是如何组织的呢？实际上，OpenClaw采用了三层记忆结构，各有分工，相辅相成。

1、第一层：每日日志

这是助手的“短期记忆”或“工作记忆”。每天，小助手会自动创建一个格式为 `memory/YYYY-MM-DD.md` 的日志文件，忠实地记录当天发生的所有事务：日常对话片段、临时备忘、一闪而过的想法……事无巨细，都会被收录其中。

这个文件采用“只追加，不修改”的策略，所有记录都严格按照时间顺序排列，完整保留了事件的原貌。每次开启新会话时，系统会自动读取今天和昨天的日志内容，以此作为对话的上下文基础，让小助手能无缝衔接到上次中断的地方。

下面是一段来自实际运行的助手日志示例，可以清晰地看到其记录风格：

# 2026-03-05 - 重要安全协议建立日

## 上午会话记录

### 重大决定：Skill安装安全协议
**时间**: 09:55 UTC
**决定者**: PM墨者
**执行者**: 小墨
**内容**: 建立强制性的skill安装安全协议，所有skill必须通过skill-vetter安全检查才能安装。
**协议要点**:
1. **前置条件**: skill-vetter必须首先安装
2. **检查要求**: 每个skill在安装前必须使用skill-vetter指南进行检查
3. **报告生成**: 提供详细的检查报告，包括来源验证、作者信誉、下载量、最后更新时间、危险信号分析、权限范围评估、风险分类
4. **用户批准**: 只有获得用户明确批准后才能安装
5. **安装后监控**: 监控首次运行，验证行为符合预期

**风险分类标准**:
- ???? **低风险**: 文档、格式化、简单工具（天气、总结）
- ???? **中风险**: 文件操作、API连接、自动化（Notion、自动化工作流）
- ???? **高风险**: 凭证处理、系统修改、金融操作
- ⛔**极端风险**: 安全配置、root访问、不可逆操作

**危险信号（立即拒绝）**:
- 连接未知URL
- 无明确目的的凭证/令牌请求
- 访问敏感文件（~/.ssh、MEMORY.md、USER.md等）
- 混淆或编码的代码
- 提升/sudo权限请求
- 数据外泄尝试

### 首个应用案例：automation-workflows
**检查结果**:
- 下载量: 22k+
- 评分: 99星
- 最后更新: 2026-02-26
- 风险等级: ???? 中风险
- 建议: ✅批准安装（风险可控，用途明确，社区验证充分）

### 已安装Skill
1. ✅skill-vetter (安全检查协议)
2. ✅weather (预安装)
3. ✅healthcheck (预安装)
4. ✅tmux (预安装)
5. ✅skill-creator (预安装)

## 重要对话摘要
- PM墨者明确了安全第一的原则
- 建立了清晰的职责分工：小墨执行检查，PM墨者最终决策
- 理解了skill-vetter的本质：指导性手册，非自动化工具
- 确定了后续skill安装的标准化流程

## 后续行动
1. 基于安全协议安装其他skill
2. 继续完善OpenClaw配置
3. 开始实际项目管理应用

---
*记录时间: 2026-03-05 09:57 UTC*
*记录者: 小墨*

2、第二层：长期记忆

如果说每日日志是未经筛选的原始素材，那么 `MEMORY.md` 文件就是经过提炼的精华摘要，构成了助手的“长期记忆”。每隔几天，助手会主动回顾近期的每日笔记，将那些具有长期价值的信息——比如重要决策、核心偏好、关键事实——进行结构化整理，然后归档到 `MEMORY.md` 中。

这个过程就像人的记忆从短期海马体转移到长期皮层，去芜存菁，沉淀下真正重要的东西。下面这段内容就展示了从上述日志中提炼出的长期记忆：

## 安全协议已建立

### 2026年3月5日：技能安装安全协议
**制定者**：PM墨者
**执行者**：小墨

**规则**：所有技能的安装都必须在安装前通过技能审核的安全检查。

**协议详情**：
1. **强制性预审查**：每项技能都必须按照技能审查指南进行审核。
2. **报告要求**：必须生成并提交详细的审查报告
3. **用户批准**：安装需在获得用户明确批准后进行
4. **风险分类**：技能等级分为 ???? 低 / ???? 中等 / ???? 高 / ⛔ 极高
5. **警示信号**：一旦出现安全违规行为，将立即予以拒绝。

**首次应用**：自动化流程技能（下载量22000次，风险等级：中等，已获批准可安装）

**理由**：采取以安全为首要考量的策略，以保护OpenClaw的部署及用户数据。

## 重要决策

### 安装的技能
- skill-vetter（安全审查协议）
- weather（已预先安装）
- healthcheck（已预先安装）
- tmux（已预先安装）
- skill-creator（已预先安装）

## 经验教训
1. “skill-vetter”只是一个指导方针，并非一种自动化工具。
2. 在安装技能之前必须先制定好安全协议。
3. 所有外部操作都需要用户批准。

3、第三层：灵魂记忆

提到灵魂记忆，就不得不回顾在OpenClaw系列教程（四）——打造个性化AI助手（[https://blog.csdn.net/wal1314520/article/details/158581769](https://blog.csdn.net/wal1314520/article/details/158581769)）中介绍的两个核心文件：`SOUL.md` 和 `USER.md`。

这两个文件同样是记忆体系不可或缺的一部分，但它们扮演的是“核心记忆”或“灵魂记忆”的角色。它们通常不会随时间而改变，定义了助手的基本人格（我是谁）、服务对象的基本信息（你是谁）以及核心行为准则。如果说前面的记忆是关于“发生了什么”，那么灵魂记忆则是关于“我/你是谁”的根本定义。

这三层记忆协同工作，效果是累积性的。刚开始，助手只知道 `USER.md` 里写的寥寥数语；相处一个月后，通过每日日志和长期记忆的积累，它开始了解你的工作习惯、项目重点和个人偏好；三个月后，它甚至可能比你自己更清晰地总结出你的工作模式和行为规律。这就是记忆系统的力量：你教它一次，它能基于此不断学习和适应，形成一个真正懂你的专属助手。

三层记忆的关系可以简单概括为：

• SOUL.md + USER.md: 我是谁、你是谁（恒定不变）
• MEMORY.md: 我知道的关于你的一切（缓慢积累）
• memory/日期.md: 今天发生了什么（每日更新）

二、何时写入记忆

了解了记忆的构成，下一个关键问题是：什么时候该把信息写进去？这里有一些实用的经验法则：

• 重要决策与事实: 涉及长期有效的决策、明确的个人偏好或需要持久记住的事实，应写入 `MEMORY.md`。
• 日常流水账: 琐碎的日常笔记、临时的上下文提醒，放入当天的 `memory/YYYY-MM-DD.md` 日志即可。
• 明确指令: 如果你明确说“记住这个”，助手就会知道需要将其写入磁盘（而不是仅保存在当次会话的内存中）。
• 主动提醒: 这个领域仍在快速发展中。有时主动提醒助手“这个值得记下来”会很有帮助，它能理解并执行。
• 黄金法则: 如果你希望某些信息能跨越会话被记住，最保险的方法就是明确要求助手将其写入记忆文件。

三、自动记忆刷新（压缩前触发）

最后这部分内容稍微偏技术底层，大家了解其核心思想即可，通常无需调整默认设置。

OpenClaw设计了一个非常贴心的“安全网”机制：在会话长度接近模型上下文窗口的限制，即将触发自动压缩以节省令牌时，系统会先执行一个静默的“记忆刷新”回合。

这个过程可以类比为：

原始对话（180K/200K Token） → 触发压缩
         ↓
  总结第1-140轮对话 → 保持第141-150轮完整
         ↓
生成紧凑摘要并保存 → 新上下文（45K/200K Token）

具体来说：

• 检测阈值: 当上下文令牌使用量超过预设的软性阈值（如4000的保留余量）时触发。
• 触发刷新: 系统会悄悄给AI发送一个提示，提醒它在对话被压缩前，赶紧把那些重要的、需要持久化的信息写下来。
• 自动写入: AI据此将关键信息写入记忆文件。
• 安全压缩: 确保重要信息“落袋为安”后，再对旧的对话上下文进行安全的压缩或摘要。

默认的提示语会让模型意识到它可以回复，但通常它会判断无需额外交互，直接回复 `NO_REPLY`，因此用户根本不会察觉到这个后台过程的发生。

这一行为由配置文件中的 `agents.defaults.compaction.memoryFlush` 参数控制：

{
  agents: {
    defaults: {
      compaction: {
        reserveTokensFloor: 20000,
        memoryFlush: {
          enabled: true,
          softThresholdTokens: 4000,
          systemPrompt: "会话接近压缩点，立即存储持久记忆",
          prompt: "将持久笔记写入memory/YYYY-MM-DD.md；如无需存储，回复NO_REPLY",
        },
      },
    },
  },
}

简单来说，这套机制确保了即使在技术性的上下文清理过程中，那些有价值的“记忆”也不会被意外丢弃，为AI助手的连续性和个性化提供了坚实保障。