老板们，一定要搞定您公司的龙虾记忆分层
🧠 记忆分层架构（原生 3 层 + 我扩展的 2 层） 层级 存储形式 生命周期 用途 访问范围 0️⃣ 会话上下文 当前对话历史（数组） 单次会话 实时理解、即时决策 当前 session 1️⃣ 每日日志 memory/YYYY‑MM‑DD.md 永久（文件） 原始事件记录、原始决策、待办 当前 agent（main session） 2️⃣ 长期记忆 MEMORY.md 永久（文件） 精炼知识、经验总结、偏好、教训 仅 main session（安全隔离） 3️⃣ 结构化知识 Ontology 知识图谱（可选技能） 永久（图谱文件） 实体关系、项目依赖、跨技能状态共享 安装了 ontology 技能时 4️⃣ 跨会话索引 已索引的会话记录（内部存储） 永久（索引） 搜索历史对话、跨会话回忆 通过 memory_search 工具 5️⃣ 外部补充 Compiled‑wiki 补充资料（可注册） 永久（外部） 额外文档、知识库 memory_search corpus=wiki 📂 各层详情 0️⃣ 会话上下文（Session Context） 内容：本次对话的最近数十条消息。 特点：临时性，session 结束后自动消失（除非显式持久化）。 用途：维持对话连贯、处理指代。 1️⃣ 每日日志（每日日志） 路径：<workspace>/memory/YYYY‑MM‑DD.md 写入时机： 重要事件发生后（如完成任务、发布博客） Heartbeat 检查时归档临时信息 示例： ## 2026‑04‑29 - 解读 browser-use 仓库 - 创建 DeepSeek V4 博客文章 - 更新 TOOLS.md（新增 browser-use 技能笔记） 安全：仅在 main session（直接对话）自动加载，群聊、共享环境不读取。 2️⃣ 长期记忆（MEMORY.md） 路径：<workspace>/MEMORY.md 本质：策划后的精华记忆，相当于人类的长期记忆。 存放： 用户偏好（如“主人喜欢简洁技术总结”） 重要决策（如“默认模型改为 GLM‑4.7”） 经验教训（如“避免在群聊中加载 MEMORY.md”） 项目上下文（如“blog‑demo 使用 Hugo + PaperMod”） 维护：Heartbeat 定期回顾最近的每日日志，提炼有价值信息写入。 3️⃣ 结构化知识（Ontology） 技能：ontology（如果已安装） 模型：实体（Person、Project、Task、Event、Document）+ 关系（link、depends_on 等） 好处：跨技能共享状态、约束检查、依赖可视化，适合复杂业务工作流。 4️⃣ 跨会话索引（Session Transcripts） 机制：OpenClaw 为每个会话生成 sessions/YYYY‑MM‑DD‑<slug>.md 并自动建立向量+BM25 混合索引。 检索：memory_search(query, corpus="all") 自动搜索这些索引。 检索原理： 向量搜索（70% 权重）捕捉语义相似度 BM25（30% 权重）保证精确关键词匹配 每块约 400 token，80 token 重叠，SHA‑256 去重 5️⃣ 外部补充（Compiled‑wiki） 用途：接入公司内部 Wiki、产品手册、行业文档等外部知识库。 访问：同样通过 memory_search corpus="wiki" 检索。 🔍 原生检索机制 向量 + BM25 融合（70%/30%） 块分割：400 token 块 + 80 token 重叠，防止上下文丢失 去重：块 SHA‑256 哈希，已有向量直接命中缓存 压缩触发：当会话快达到上下文上限时，系统会让模型在压缩前把关键信息写入 memory/*.md 或 MEMORY.md（即所谓的 “Dreaming”） 📦 实际操作示例 # 查看今天的日志 cat $(date +%Y-%m-%d).md # 向长期记忆写入关键结论（示例） cat >> MEMORY.md <<EOF - 结论：使用向量+BM25 的混合检索可以兼顾概念关联和精确匹配。 EOF # 用 ontology 记录项目关系 ontology create entity Project name="blog-demo" ontology create relationship link source=Project target=Document name="deepseek-v4.md" 🔐 记忆安全与隔离（简要回顾） 文件系统权限：700 目录、600 文件，仅当前 agent 可读写。 会话层隔离：MEMORY.md 只在 主私人会话 加载，避免在群聊泄露。 审计日志：每次写入都会记录在 memory/heartbeat-state.json，可追溯。 子代理 sandbox：默认只读工作区，写入必须显式声明。 可选加密：若有合规需求，可对 MEMORY.md 进行 AES‑256‑GCM 加密。 🎯 小结 OpenClaw 的记忆分层把 即时日志、长期精华、结构化实体、跨会话索引 和 外部 Wiki 五层有机结合，兼顾 可检索性、安全性 与 可维护性。 通过 混合向量+BM25 检索、块去重 与 Dreaming 机制，保证重要信息不被上下文压缩遗失。 正确使用 memory_search、memory_get、ontology 等工具，可以让企业 AI 助手在 千余次会话 后仍保持对关键业务的清晰记忆。 #openclaw #龙虾 #memory ...