#OpenClaw 记忆系统

OpenClaw 的记忆设计极其"朴素"却很强大：一切都是纯文本文件。对话、长期记忆、技能都以可读的 Markdown / YAML 保存，可用 Git 备份、可直接 grep。

#设计理念：文本即记忆

与"黑箱数据库 / 向量库"不同，OpenClaw 把记忆做成可检查的文本文件，存于工作区与 ~/.openclaw 目录下：

传统助手记忆           OpenClaw 记忆
─────────────          ─────────────
云端 / 不可见     →     本地纯文本，随时可读
难以备份           →     git commit 即可版本化
无法直接编辑       →     用任意编辑器修改
不可搜索           →     grep / ripgrep 秒搜

这种"透明记忆"带来三大好处：可审计、可备份、可手动纠正。

#存储布局

~/.openclaw/
├── openclaw.json     # 主配置
├── memory/           # 长期记忆（Markdown / YAML）
└── skills/           # 技能（SKILL.md）
<工作区>/
├── HEARTBEAT.md      # 自治心跳的检查清单
└── ...               # 对话、项目相关文件

可用环境变量调整位置：

#用 Git 管理记忆

因为记忆是纯文本，Git 是天然的备份与版本工具：

cd ~/.openclaw
git init
git add .
git commit -m "snapshot: openclaw memory & skills"

好处：

• 回溯：误删/误改记忆可一键还原
• 同步：推到私有仓库，多机共享
• 审计：git log / git diff 看记忆如何演变

注意：openclaw.json 与各类凭据不要提交到公共仓库。

#记忆的检索与维护

由于是文本，检索与维护非常直接：

• 搜索：grep -r "关键词" ~/.openclaw/memory
• 清理：直接编辑/删除过时条目，保持信噪比
• 纠正：发现智能体记错了，手动改文件即可

相比向量记忆，纯文本记忆简单透明，但在超大规模语义检索上不如向量方案。若你需要可检索的向量记忆，可考虑同源的 Hermes Agent。

#与自治（Heartbeat）的配合

工作区里的 HEARTBEAT.md 本质上是一份"给未来的自己"的记忆/清单：心跳唤醒时，智能体读取它来决定要不要行动。

HEARTBEAT.md（清单）→ 心跳唤醒 → 读取并判断 → 行动 / HEARTBEAT_OK

把"需要长期记住并周期性检查的事"写进 HEARTBEAT.md，就实现了"有记忆、能主动"的闭环，详见 CLI 与自动化。

#实践建议

• 立刻给 ~/.openclaw 建 Git 仓库，养成定期 commit 的习惯
• 把长期偏好与背景显式写进记忆文件，减少重复交代
• 定期 review 记忆，删除噪声与过时信息
• 凭据与隐私信息单独管理，绝不进公共仓库

#下一步

• 技能使用 — 记忆 + 技能 = 越用越顺手
• CLI 命令与自动化 — HEARTBEAT.md 与自治
• 架构与特点 — 记忆在主循环中的位置