记忆机制

概述

OpenClaw 通过在工作区写入 Markdown 文件来实现记忆持久化。模型只”记得”写入磁盘的内容——没有隐藏状态。记忆与上下文的区别：记忆存储在磁盘，上下文是当前窗口内的内容。

核心要点

三个记忆文件：

• MEMORY.md — 长期记忆：持久事实、偏好、决策。每次 DM Session 开始时加载
• memory/YYYY-MM-DD.md — 每日笔记：运行上下文与观察。今天和昨天的笔记自动加载
• DREAMS.md（可选）— 梦境日记：Dreaming 扫描摘要，供人工审查

两个记忆工具：

• memory_search — 语义搜索，即使措辞不同也能找到相关笔记
• memory_get — 读取特定记忆文件或行范围

自动记忆刷新：压缩（Compaction）前，OpenClaw 运行一个静默 turn 提醒 Agent 将重要上下文保存到记忆文件，防止上下文丢失。

Dreaming（可选，默认关闭）：后台整合 pass，从短期信号中筛选并晋升高质量内容到 MEMORY.md：

• 有阈值门控（分数、召回频率、查询多样性）
• 自动管理一个定期 cron 任务
• 晋升结果写入 DREAMS.md 供人工审查

四种记忆后端：

• Builtin（默认）：SQLite，支持关键词 + 向量 + 混合搜索
• QMD：本地优先，支持重排序、查询扩展、索引工作区外目录
• Honcho：AI 原生跨 Session 记忆，用户建模
• LanceDB：LanceDB 支持，OpenAI 兼容 embedding

Memory Wiki 插件：将持久记忆编译为结构化知识库（声明、证据、矛盾追踪、仪表盘）。

配置/使用

记忆刷新模型覆盖（保持在本地模型）：

{
  "agents": {
    "defaults": {
      "compaction": {
        "memoryFlush": { "model": "ollama/qwen3:8b" }
      }
    }
  }
}

CLI 命令：

openclaw memory status          # 检查索引状态
openclaw memory search "query"  # 命令行搜索
openclaw memory index --force   # 重建索引

相关页面

• memory-builtin — 默认 SQLite 记忆后端
• memory-search — 搜索管道与 Embedding 提供商
• context — 记忆与上下文的关系
• agent-workspace — 记忆文件在工作区中的位置