Appearance
OpenClaw Agent记忆系统：四种记忆类型让AI真正记住你
OpenClaw所以能在处理复杂任务时表现更好，很大程度上是因为它把记忆这件事设计得更完整。四种记忆各司其职：短期记忆是"工作桌面"，长期记忆是"文件存档"，语义记忆是"天生知识"，程序记忆是"做事方法"。
你有没有遇到过这种情况：跟ChatGPT聊了一个小时，把你的项目背景全解释了一遍。第二天打开新对话，它什么都不记得了，你得重新解释一遍。或者在同一个对话里聊太久，它开始"遗忘"——你五十条消息前说过的事，它后来表现得好像从来没听过。
这不是bug，是AI记忆系统的工作方式决定的。
Agent的四种记忆
| 类型 | 本质 | 特点 |
|---|---|---|
| 短期记忆 | Context Window | 当前对话内容，对话结束就消失 |
| 长期记忆 | 外部文件/数据库 | 主动存到本地，下次可读回 |
| 语义记忆 | 模型训练权重 | 训练时学会的知识，永远在 |
| 程序记忆 | Skill/SKILL.md | 固化的做事方法，调用时始终读取 |
01 短期记忆：AI的"工作桌面"
想象你在桌上做事。桌面上摊着的东西，就是你现在能看到和处理的内容。桌面有大小限制，摆不下的只能收起来或者扔掉。
AI的Context Window就是这张桌面。你说的每一句话、它的每一条回复、每次工具调用的结果，都摆在这张桌面上。它"思考"时，看的就是桌面上的东西。
两个关键限制：
| 限制 | 说明 |
|---|---|
| 对话结束就清空 | 明天开新对话，今天说过的一切全部消失，AI对你一无所知 |
| 装满了会压缩旧内容 | 同一个对话聊太久，早期内容被摘要掉，细节消失 |
ChatGPT基本只有这一种记忆。这就是为什么它"健忘"——它只能在当前对话里记住事情，而且对话一长，连当前的事也开始遗忘。
02 长期记忆：写到文件里，下次再读回来
AI本身没有持久记忆——它不会"记住"你，除非有人帮它把信息存起来。
OpenClaw的做法是：用filesystem Skill把重要内容写到本地文件。下次对话开始时，自动把这个文件读进Context Window。这样Agent就"记得"上次做到哪里了。
第一次对话：你告诉OpenClaw「我是做AI工具的，关注Agent方向」
→ 任务完成后，写入memory.md
→ 对话结束，文件保留在本地
第二次对话：对话开始，自动读取memory.md载入背景信息
→ 你直接说「帮我继续上次的任务」
→ 它知道你是谁、上次做了什么、偏好是什么memory.md示例：
markdown
# 用户背景
- 方向：AI 工具，重点关注 Agent 方向
- 偏好：简洁直接，不要废话
- 常用语言：Python / TypeScript
# 上次任务进度
- 正在搭建每日简报系统，已完成 S1 S2
- S3（Claude 筛选）还没写 Prompt
- 下次从 prompts/filter.md 开始这就是OpenClaw比普通ChatGPT更有"连续性"的原因——它有地方存东西，也有机制把存的东西读回来。
03 语义记忆：天生就会的知识
你从来没告诉过OpenClaw"Python是一门编程语言""HTTP是什么协议"——但它知道。
这就是语义记忆：训练时学进去的知识，固化在模型参数里，永远在，不会消失。
| 语义记忆（永久） | 短期记忆（临时） |
|---|---|
| Python语法 | 你刚才说的需求 |
| HTTP协议原理 | 本次任务的进度 |
| 世界各国首都 | ❌ 上次对话的内容 |
| 数学公式 | ❌ 你是谁 |
一个重要限制：语义记忆有知识截止日期。模型训练完之后发生的事，它不知道。
这就是为什么你问OpenClaw"最新的AI新闻"，它会去调用rss-reader Skill抓实时信息，而不是靠自己"记忆"——它知道自己的语义记忆有时效限制。
04 程序记忆：Skill就是固化的"做事方法"
这是四种记忆里最有OpenClaw特色的一种，也是最容易被忽视的。
举个例子：你让厨师每天帮你做早餐。有两种方式：
| 方式 | 效果 |
|---|---|
| ❌ 没有程序记忆 | 每天早上重新告诉他："先煮水，放鸡蛋，煮8分钟，再做吐司" |
| ✅ 有程序记忆 | 把食谱写下来给他，以后只说"按食谱做" |
OpenClaw的Skill就是那份食谱。SKILL.md写清楚"这个任务怎么做"，每次调用都照着执行，不需要占用对话空间，也不会因为Context压缩而消失。
你：「帮我抓取今天的 GitHub Trending」
↓
读取程序记忆（SKILL.md）
「抓取 GitHub Trending 的方法：访问 github.com/trending，过滤 AI 相关仓库，返回 Top 10...」
↓
直接按 Skill 里的方法执行，不需要你再解释一遍关键作用：约束写在对话里（短期记忆），容易被压缩丢失。写进SKILL.md（程序记忆），每次调用都读，永远生效。
四种记忆在一次任务里如何协作
用一个具体例子串起来：你让OpenClaw"帮我整理今天的AI简报"。
| 记忆类型 | 作用 |
|---|---|
| 短期记忆 | "整理今天的AI简报"这条指令进入Context Window，抓取结果、筛选过程全部摆在当前工作桌面 |
| 长期记忆 | 对话开始时读取memory.md：知道你关注Agent方向、偏好简洁风格、不要商业新闻 |
| 语义记忆 | 知道AI、Agent、LLM这些概念是什么，能判断哪些内容跟你方向相关 |
| 程序记忆 | rss-reader Skill里写好了"抓哪些来源、怎么过滤、输出什么格式"，直接照着跑 |
四张表说清楚
| 类型 | 在OpenClaw里是什么 | 会消失吗 |
|---|---|---|
| 🗂️ 短期记忆 | 当前对话的Context Window | 对话结束消失 |
| 💾 长期记忆 | filesystem写入的本地文件 | 永久保留 |
| 🧠 语义记忆 | 模型训练时学到的知识 | 永久存在 |
| ⚙️ 程序记忆 | Skill里的SKILL.md | 调用时始终读取 |
普通AI聊天工具，只有短期记忆和语义记忆。你的项目背景要反复解释，任务一长开始遗忘，对话关掉什么都没留下。
OpenClaw加上了长期记忆和程序记忆，让Agent在复杂、长周期的任务里真正能用起来——它记得你是谁，记得做到哪了，记得怎么做事。
