核心用法
Memory System 是一套面向 OpenClaw 代理的结构化记忆管理方案，核心解决多轮对话中信息沉淀、检索效率与记忆衰减的问题。系统采用 4 型分类法（user/feedback/project/reference）对记忆进行语义归类，配合 分层架构 实现高频信息与低频细节的分离存储。
架构设计
- MEMORY.md（≤3KB）：作为高频记忆载体，每次对话通过 system prompt 注入，内含 4 类信息摘要及指向详细文件的指针
- memory/feedback.md：最高优先级独立文件，专门记录人类纠正与行为约束，如"Check docs first"
- memory/topics/：低频但大容量的领域知识库，如已知问题、代理配置等
- memory/YYYY-MM-DD.md：每日原始笔记，用于事件追溯
关键操作规则
1. 即时反馈写入：收到人类纠正时必须立即写入 feedback.md，禁止延迟
2. 读后再答：当 MEMORY.md 指向 topics/ 文件时，必须先读取再生成答案
3. 工具替代记忆：文件路径、git 历史等可通过工具查询的信息不应 memorization
4. 验证时效：使用前需确认记忆未过期
心跳维护机制
通过周期性轮询执行四项任务：补录遗漏反馈、清理过时条目、验证关键记忆准确性、整合每日笔记价值内容。
显著优点
- token 效率：高频信息常驻上下文，低频细节按需检索，避免上下文膨胀
- 反馈闭环：独立 feedback 通道确保纠正信息不被淹没，降低重复犯错概率
- 渐进式披露：支持从摘要到详情的灵活钻取，兼顾响应速度与回答深度
- 可维护性：明确的写入规则与心跳检查单，使记忆管理从隐性经验变为可执行流程
潜在局限
- 依赖运行时支持：自动提取记忆需要 OpenClaw 运行时配合，当前仍为手动规则驱动
- 3KB 硬限制：高频记忆容量受限，需人工判断信息优先级
- 无原生语义搜索：虽提及 semantic retrieval，但实际依赖外部
memory_search工具实现 - 中文支持待验证：编码处理参考文件暗示可能存在多语言兼容性问题
适合人群
- 需要长期维护复杂项目上下文的 OpenClaw 代理开发者
- 高频人机协作场景下追求行为一致性的 AI 应用团队
- 对记忆可解释性、可审计性有要求的 B2B 场景
常规风险
- 记忆污染：未及时清理的过时条目可能导致错误决策
- 反馈遗漏：开发者未及时执行"立即写入"规则会造成行为退化
- 过度压缩：为遵守 3KB 限制可能丢失关键上下文线索
- 权限管理：memory/ 目录的读写权限若配置不当可能导致敏感信息泄露