OpenClaw 记忆系统的核心管理技能，涵盖 MEMORY.md 维护、每日日志管理、语义搜索调优及防遗忘机制配置，确保长期上下文持久化。

基本信息

• 技能名称?OpenClaw Memory
• 中文名称?让 AI 真正记得你们聊过什么
• 作者?weareallsatoshin
• 分类?专业技能
• 版本?2.3.0
• 标签?openclaw, memory-management, vector-search, knowledge-base, context-window, rag, markdown, configuration, troubleshooting

使用方法

使用说明
核心用法
openclaw-mem 是 OpenClaw 代理的记忆基础设施管理技能，解决 LLM 上下文窗口有限导致的"遗忘"问题。核心架构分为两层：
每日日志层（memory/YYYY-MM-DD.md） ：追加式会话记录，自动加载今昨两日内容
长期记忆层（MEMORY.md） ：经人工策展的持久化事实，私聊会话启动时加载
显著优点

1. 文件即真理 ：纯 Markdown 存储，无黑盒数据库，可版本控制、人工审计
2. 混合检索 ：向量相似度 + BM25 关键词的加权融合，兼顾语义理解与精确匹配
3. 防压容错 ：自动 memory flush 机制在上下文压缩前静默写入 durable notes
4. 模块化扩展 ：支持 Mem0/Cognee/Supermemory 等外接记忆插件

5. 精细调优 ：Temporal Decay（时间衰减）和 MMR（最大边缘相关性）解决陈旧信息霸榜与结果冗余问题
   潜在缺点与局限性
   冷启动成本 ：首次配置需理解两层架构的取舍，易误把临时指令存错位置
   Embedding 依赖 ：语义搜索需额外 API key（Codex OAuth 不覆盖），本地模型需手动配置路径
   文件大小硬限制 ：MEMORY.md >20k 字符自动截断，大项目需主动分片维护
   群组会话降级 ：MEMORY.md 仅在私聊加载，群聊场景记忆能力显著削弱
   QMD 实验性 ：高性能本地检索需额外安装 Bun 环境与 GGUF 模型，首次运行下载耗时
   适合人群
   长期项目协作者（需跨周/月保持上下文）
   多代理工作流设计者（依赖 AGENTS.md 规则持久化）
   对"可解释 AI"有要求的用户（文件级透明审计）
   常规风险
   | 风险场景 | 缓释措施 | |---------|---------| | 规则仅存于聊天，压缩后丢失 | 强制 AGENTS.md 写入 "search memory before acting" | | Embedding 配置错误导致检索失效 | 校验 API key，优先使用 OpenAI/Gemini 等主流端点 | | MEMORY.md 膨胀致关键信息截断 | 月度蒸馏，将成熟规则迁移至 Skill 文件 | | 敏感信息随日志持久化 | 排除 credentials/ 与 openclaw.json 于版本控制外 | 关键配置检查项

   健康诊断三命令

   openclaw /context list # 确认 MEMORY.md 加载状态与截断情况
   wc -c ~/.openclaw/workspace/*.md # 审计文件体积
   openclaw config get agents.defaults.compaction.memoryFlush # 确认 flush 启用