[转][译] 从零开始构建 OpenClaw — 第一部分（智能体核心）
[转][译] 从零开始构建 OpenClaw — 第二部分（技能插件系统）
[转][译] 从零开始构建 OpenClaw — 第三部分（元技能）
[转][译] 从零开始构建 OpenClaw — 第四部分（工具循环检测）
[转][译] 从零开始构建 OpenClaw — 第五部分（对话压缩）
原文：Building Openclaw from Scratch — Part 6 (Persistent Memory)
你的智能体在会话中很智能。让它重构一个模块，它会读取、规划、编辑——非常优雅。开启新会话并问“我更喜欢哪种语言？”它茫然四顾。每个 /new 都是健忘症。智能体不知道你是谁，之前告诉过它什么，或者你的团队遵循哪些约定。
第 1-5 部分构建了智能体循环、技能插件、循环检测和上下文压缩。第 6 部分添加了缺失的部分：跨会话持续存在的持久化记忆。完整的 openclaw 项目通过约 5,000 行的向量嵌入、混合搜索和 SQLite 解决了这个问题——但你可以用 1%的代码获得 80%的价值。
问题
没有记忆，每个会话都从零开始。你告诉智能体“我更喜欢制表符而不是空格”是在星期一，到星期二它又回到了空格。你解释了你的项目架构，然后开启新会话又重新解释一遍。智能体无法学习。
会话文件存在于磁盘上，但它们是原始的 JSONL 转录——智能体不会重新读取它们。没有机制来传递知识。
解决方案
设计决策
完整的 Openclaw 记忆系统使用向量嵌入、余弦相似度、BM25 文本排序、MMR 多样性重排序、时间衰减以及带有 sqlite-vec 扩展的 SQLite。这很强大，但它也包含 14 个文件和多个 API 依赖。
对于 openclaw-mini，你选择了一条更简单的路径：纯 Markdown 文件 + 关键词搜索。智能体已经拥有了 write 和 edit 工具——它可以创建文件。你只需要三件事：
- 一个约定，用于指定记忆文件存放的位置
- 将主记忆文件自动加载到系统提示词中
- 一个搜索工具，用于在所有记忆文件中查找内容
没有新的依赖项。没有数据库。没有嵌入 API 调用。总计约 210 行。
实现过程
记忆搜索工具 — src/tools/memory-search.ts (~100 行)
这完全遵循现有 web_search 工具的模式：一个 createMemorySearchToolDefinition() 函数返回一个包含 name 、 parameters 和 execute 的工具对象。
// src/tools/memory-search.ts
const MEMORY_DIR = path.join(os.homedir(), ".openclaw-mini", "memory");
const MAX_MATCHES = 50;
const MAX_OUTPUT_CHARS = 10_000;
const CONTEXT_LINES = 2;
export function runMemorySearch(params: {
query: string;
file?: string;
}): MemorySearchResult {
const keywords = params.query
.toLowerCase()
.split(/\s+/)
.filter((k) => k.length > 0);
// Discover *.md files in memory dir
// For each file, find lines matching any keyword
// Return matches with ±2 lines of context
}
搜索被有意设计得简单：将查询拆分为关键词，逐行扫描每个 .md 文件，并返回匹配的行及其上下文。输出限制为 50 个匹配项和 10,000 个字符，以避免使上下文窗口膨胀。如果记忆目录不存在，它将返回一个空结果并附带一条有用的提示词信息——而不是报错。
系统提示词注入 — src/system-prompt.ts (~60 行新增)
这里有两个新增。首先，一个 loadMemoryFile() 函数，用于读取 ~/.openclaw-mini/memory/MEMORY.md 并返回其内容（截断到 200 行）：
// src/system-prompt.ts
export function loadMemoryFile(): string | null {
try {
const content = fs.readFileSync(MEMORY_FILE, "utf-8").trim();
if (!content) return null;
const lines = content.split("\n");
if (lines.length > MEMORY_MAX_LINES) {
return lines.slice(0, MEMORY_MAX_LINES).join("\n")
+ "\n\n[Truncated — use memory_search for full content]";
}
return content;
} catch {
return null;
}
}
其次，在每一个系统提示词中注入一个 ## Memory 部分。这告诉智能体如何使用记忆——要保存什么，不保存什么，以及放在哪里。关键在于你不需要一个特殊的“保存记忆”工具。智能体已经有了 write 和 edit 。你只需要指令：
### Saving Memory
Use the existing write and edit tools to save to memory files:
- Save to ~/.openclaw-mini/memory/MEMORY.md for important, frequently-needed facts
- Save to ~/.openclaw-mini/memory/{topic}.md for detailed topic-specific notes
### What to Remember
- User preferences (coding style, preferred tools, naming conventions)
- Project context (tech stack, architecture decisions, key file locations)
- Corrections the user makes ("I prefer X over Y")
### What NOT to Remember
- Trivial one-off questions
- Sensitive data (passwords, tokens, secrets)
如果 MEMORY.md 存在，其内容会直接出现在系统提示词的 ### Current Memory (MEMORY.md) 部分下。如果它还不存在，智能体会看到一个告诉它如何创建它的消息。
连接设置 — src/entry.ts (~50 行新增)
入口点变更很简单：在启动时创建 ~/.openclaw-mini/memory/ ，注册 memory_search 工具，将 memoryContent 传递给 buildSystemPrompt ，并添加一个 /memory 命令。值得注意的一个细节是：每次提示词时记忆都会重新加载，而不是缓存。这意味着如果智能体在一个回合中向 MEMORY.md 写入内容，下一个回合将看到更新后的内容。
新命令
命令描述 /memory 列出记忆文件及其大小，预览 MEMORY.md
memory_search 工具会自动提供给智能体——它与 web_fetch 和 web_search 一起出现在工具列表中。
尝试使用
┌ openclaw-mini
│ model: anthropic/claude-sonnet-4-20250514
│ workspace: /Users/you/project
│ session: mini-1719432000000
│ tools: read, bash, edit, write, web_fetch, web_search, memory_search
│ memory: empty (~/.openclaw-mini/memory/)
└ /new /think /model /skills /verbose /compact /memory /quit
> remember that I always prefer TypeScript over JavaScript,
and I use pnpm not npm
I'll save that to your memory file.
[tools: write]
Saved your preferences to ~/.openclaw-mini/memory/MEMORY.md.
(2.1s)
> /memory
Memory files (1):
MEMORY.md (main) - 0.1 KB
total: 0.1 KB
MEMORY.md preview:
# User Preferences
- Prefers TypeScript over JavaScript
- Uses pnpm (not npm)
> /new
New session: mini-1719432060000
> what package manager should I use for this project?
[tools: memory_search]
Based on your preferences, you should use **pnpm**. I can see from
your saved preferences that you prefer pnpm over npm.
(1.8s)
智能体可以在会话间保持记忆，因为 MEMORY.md 会被自动加载到每个系统提示词中。对于跨多个主题文件进行更深入的搜索，它使用 memory_search 工具。
你构建了什么
- 持久跨会话记忆 — 智能体能够记住用户偏好、项目上下文和决策，并在
/new和重启时保持 memory_search工具 — 在所有记忆文件中进行关键词搜索，并提供上下文窗口/memory命令 — 检查智能体已记住的内容- 跨越 3 个文件共 210 行代码，无新的依赖项
下一步是什么
关键词搜索在小型记忆存储中效果很好，但随着记忆的增长，你可能需要语义搜索——即使精确的词语不匹配，也能找到相关概念的向量嵌入。这就是 Openclaw 的混合搜索（余弦相似度 + BM25）发挥作用的地方，但这将是另一部分的故事。
