OpenClaw 叠加Opus直接赛博飞升 (原 Clawdbot) 深度解析：打造拥有“永久记忆”的本地 AI 智能体

前言：在 AI 助手领域，仅仅几周时间，Clawdbot（因商标原因现已更名为 OpenClaw）就完成了一个神话——从个人项目到 GitHub 斩获 100,000+ 颗星的现象级工具。由 Peter Steinberger（PSPDFKit 创始人）构建，这款采用 MIT 许可证的开源助手，正在重新定义我们与 AI 的交互方式。

与运行在云端的 ChatGPT 或 Claude 不同，OpenClaw 选择了一条“硬核”路线：本地运行、全系统权限、以及最令人着迷的——基于纯文本文件的持久化记忆系统。

---

​

Claude直连平台 🔗Weelinking Opus4.6。 第一时间体验 Opus4.6

​

🚀 为什么 OpenClaw 与众不同？

在当今的 AI 产品生态中，记忆（Memory）通常是一个黑盒。你无法查看 ChatGPT 到底记住了关于你的什么信息，也无法直接编辑它。

OpenClaw 采取了截然不同的方法：彻底的透明化与本地化。

它不仅是一个聊天机器人，更是一个能自主处理现实世界任务的代理（Agent）。它能管理电子邮件、安排日历、甚至通过 Discord、WhatsApp 或 Telegram 与你即时通讯。但它最核心的护城河在于其全天候的上下文保留能力——它不是把记忆存在某家公司的云端数据库里，而是将其作为 Markdown 文件保存在你的硬盘上，让你拥有 100% 的控制权。

背景补充：OpenClaw 的架构核心是一个名为“Gateway”的守护进程，它连接了你的本地环境与外部消息平台，使 AI 能够像“数字员工”一样 24/7 待命，甚至具备“Heartbeat（心跳）”功能——能够主动醒来执行任务，而不仅仅是被动等待指令。

---

​

Claude直连平台 🔗Weelinking Opus4.6。 第一时间体验 Opus4.6

🧠 上下文构建：模型看到了什么？

要理解 OpenClaw 的记忆机制，首先得知道它在处理每一次用户请求时，究竟“看”到了什么。它的输入并非只有当前的对话，而是一个精心分层的“上下文三明治”：

1. [0] 系统提示词 (System Prompt)：静态指令与条件逻辑，定义了它是谁。
2. [1] 项目上下文 (Project Context)：这是 OpenClaw 的灵魂所在，由一组用户可编辑的 Markdown 文件引导。
3. [2] 对话历史 (Conversation History)：消息流、工具调用记录以及被压缩的摘要。
4. [3] 当前消息 (Current Message)：你刚刚发送的内容。
   ​

Claude直连平台 🔗Weelinking Opus4.6。 第一时间体验 Opus4.6

核心引导文件

这些文件直接位于智能体的工作区（默认为 ~/clawd/），构成了智能体的“人格”与“职责”。由于它们只是普通的 Markdown 文件，你可以随时用任何文本编辑器修改它们，从而实时改变 AI 的行为：

文件名	用途	关键点
AGENTS.md	智能体核心指令	包含记忆指南，告诉 AI 何时读写记忆，以及它的核心任务边界
SOUL.md	个性与语调	定义 AI 是幽默、严肃还是专业（例如：“你是一个喜欢用 emoji 的高效助手”）
USER.md	用户画像	关于你的事实（如：你是谁，偏好什么语言，工作习惯等）
TOOLS.md	工具手册	外部工具的使用说明，指导 AI 如何调用 API 或本地脚本

---

💾 上下文 (Context) vs. 记忆 (Memory)

这是理解 OpenClaw 架构最关键的分野。很多人混淆了这两个概念，但在 OpenClaw 中它们泾渭分明。
​

Claude直连平台 🔗Weelinking Opus4.6。 第一时间体验 Opus4.6

1. 上下文 (Context)

• 定义：模型在单次 API 请求中看到的所有内容（系统提示词 + 历史 + 附件）。
• 特性：
  • 临时性：仅为当前请求存在。
  • 有界性：受限于模型的 Context Window（如 Claude 3.5 的 200K token）。一旦超出，旧信息必须被丢弃。
  • 昂贵：每一个 token 都要计费，且上下文越长，API 响应速度越慢。

2. 记忆 (Memory)

• 定义：存储在磁盘上的持久化内容。
• 公式：记忆 = MEMORY.md + memory/*.md + 会话记录 (Transcripts)
• 特性：
  • 持久性：重启电脑、过几个月后依然存在。
  • 无界性：可以无限增长，不受 Token 限制（只受硬盘空间限制）。
  • 廉价：存储纯文本几乎零成本。
  • 可搜索：通过向量索引进行语义检索，AI 可以在数秒内找到几个月前的一条笔记。

!

---

🛠️ 记忆的读写机制

OpenClaw 没有黑魔法，它通过两个专用工具（Tools）让 AI 像人类查阅资料一样访问记忆。

1. 记忆检索 (memory_search)

这是强制性的回忆步骤。在回答关于以前的工作、决策或偏好之前，AI 必须先“查阅大脑”。

{
  "name": "memory_search",
  "description": "强制性回忆步骤：在回答有关先前工作、决策、日期、人物、偏好或待办事项的问题之前，对 MEMORY.md + memory/*.md 进行语义搜索",
  "parameters": {
    "query": "我们关于 API 的决定是什么？",
    "maxResults": 6,
    "minScore": 0.35
  }
}

注意 minScore: 0.35，这过滤掉了低相关性的结果，防止 AI 被无关记忆干扰。
​

Claude直连平台 🔗Weelinking Opus4.6。 第一时间体验 Opus4.6

2. 记忆读取 (memory_get)

搜索定位到文件后，AI 使用此工具精确读取特定行。这模拟了人类“翻开书本阅读特定段落”的行为。

{
  "name": "memory_get",
  "description": "在 memory_search 后，从记忆文件中读取特定行",
  "parameters": {
    "path": "memory/2026-01-20.md",
    "from": 45,
    "lines": 15
  }
}

3. 记忆写入

没有专门的 memory_write 工具。为什么？因为记忆就是文件。AI 使用通用的 write 和 edit 工具来直接修改 Markdown 文件。这不仅简化了工具集，还意味着你可以手动打开这些文件进行编辑，后台会自动重新索引，这种“人机共治”的记忆模式非常优雅。

---

📂 双层记忆存储架构

OpenClaw 的记忆系统设计得非常像人类的笔记习惯，分为“流水账”和“精炼知识”。

第 1 层：每日日志 (memory/YYYY-MM-DD.md)

这是**仅追加（Append-only）**的每日笔记。AI 全天都在此记录琐事、临时想法和即时发生的对话。它相当于 AI 的“短期记忆流”或“日记”。

2026-01-26.md 示例：

• 上午 10:30：与用户讨论了 REST vs GraphQL。决定使用 REST。
• 下午 02:15：部署了 v2.3.0，一切正常。
• 下午 04:00：用户提到他更喜欢 TypeScript。

第 2 层：长期精选 (MEMORY.md)

这是经过**整理（Curated）**的知识库。当 AI 意识到某个信息具有长期价值（如重大架构决策、关键联系人、用户核心偏好）时，它会将其提炼并写入此文件。

MEMORY.md 示例：

• 用户偏好：首选 TypeScript，讨厌冗长的解释。
• 重要决策：2026-01-20 确定采用 REST 架构。
• 关键联系人：Alice 是设计负责人。

---

⚙️ 幕后技术：索引与混合搜索

当你或 AI 保存一个记忆文件时，后台会发生一系列复杂的处理，确保这些文本能被机器理解。
​

Claude直连平台 🔗Weelinking Opus4.6。 第一时间体验 Opus4.6

流程解析

1. 文件监听：Chokidar 库监控文件变更（防抖 1.5秒），确保快速写入不会导致重复索引。
2. 分块 (Chunking)：将文本分割成约 400 token 的块，并保留 80 token 的重叠（Overlap）。重叠至关重要，它确保了跨越块边界的事实（例如一句话被切成两半）能在两个块中都被完整捕获。
3. 嵌入 (Embedding)：将文本块发送给 OpenAI/Gemini 或本地模型，转化为 1536 维的向量（Vector）。
4. 存储：存入 ~/.clawdbot/memory/<agentId>.sqlite。

为什么选择 SQLite？

OpenClaw 并没有使用 Pinecone 或 Milvus 等重量级向量数据库，而是使用了 sqlite-vec（向量搜索扩展）和 FTS5（全文搜索扩展）。这使得它无需依赖外部服务，只需一个轻量级的 .sqlite 文件即可运行。

混合搜索策略 (Hybrid Search)

OpenClaw 并行运行两种搜索，通过加权评分组合结果：

• 向量搜索 (70% 权重)：查找语义相似的内容（搜“数据库”能找到“PostgreSQL”）。
• BM25 关键词搜索 (30% 权重)：查找精确匹配（搜具体的错误代码或 ID）。

公式：最终得分 = (0.7 * 向量得分) + (0.3 * 文本得分)

这种 70/30 的混合策略解决了纯向量搜索常常忽略精确术语（如人名、日期）的痛点，确保了无论是模糊的概念搜索还是精确的事实查找，都能得到最佳结果。

---

📉 压缩与修剪：对抗上下文膨胀

即便拥有 200K 甚至 1M 的上下文窗口，长对话最终也会将其填满。OpenClaw 设计了两套机制来应对“遗忘”。

1. 智能压缩 (Compaction)

当上下文接近上限时，系统会将早期的对话总结为一个紧凑的摘要，写入 JSONL 格式的会话记录中，只保留最近的消息原样不动。

关键机制：预压缩刷新 (Pre-compaction Flush)
在压缩发生前，系统会触发一个静默的“记忆刷新”动作。系统会提示 AI：“会话即将压缩，快把重要的东西写进磁盘！” 这确保了关键决策不会因为压缩成摘要而丢失细节。这是防止 AI 变“笨”的关键一步。

2. Cache-TTL 修剪

这是为了省钱。Anthropic 等提供商会缓存 Prompt 前缀（TTL 通常为 5 分钟）。

• 如果缓存有效，Token 成本极低（约降低 90%）。
• 如果缓存失效（例如你去吃了个午饭回来），重新发送整个历史记录非常昂贵。

OpenClaw 会检测缓存是否过期。如果过期，它会在发送请求前自动修剪掉旧的大型工具输出（如几万行的 npm install 日志），只保留结果摘要。这是一种极其聪明的成本优化策略。
​

Claude直连平台 🔗Weelinking Opus4.6。 第一时间体验 Opus4.6

---

🌐 多智能体与隔离

OpenClaw 支持多个智能体共存，且默认物理隔离。

• 工作智能体：~/clawd-work/
• 个人智能体：~/clawd-personal/

每个智能体有独立的 .sqlite 索引和 Markdown 目录。除非你显式允许，否则它们无法通过 memory_search 搜索到对方的记忆。
AI 智能体可以读取彼此的记忆吗？ 默认情况下不能。这为“工作”与“生活”的分离提供了天然的保障。例如，你的“个人智能体”不会在搜索周末计划时，意外读取到你“工作智能体”中的保密代码。

---

结语

OpenClaw (Clawdbot) 的成功证明了**“透明性优于黑箱”**的理念。通过将记忆回归到最朴素的 Markdown 文件，结合 SQLite 的现代搜索能力，它构建了一个既强大又完全可控的个人 AI 助手。

在这个 AI 飞速发展的时代，拥有一个真正属于你、运行在本地、记忆可查可改的 AI 伙伴，或许才是“个人助理”的终极形态。
​

Claude直连平台 🔗Weelinking Opus4.6。 第一时间体验 Opus4.6

参考资料

• OpenClaw GitHub 仓库 (原 Clawdbot)
• Peter Steinberger 的 X (Twitter)
• Opus4.6直连站