我用 OpenClaw在本地跑了一只 AI 助手，每天跟它高强度协作。10天下来，最大的感受是：记忆系统是第一基建。没有它，AI 就是金鱼——每次见面都是初次见面。
本文是我个人的实战记录，不是教程。记录了从零搭建记忆系统的完整过程，包括架构设计、具体配置、踩过的坑，以及最终把记忆丢失率从 20-40% 降到 5-10% 的方法。
虽然基于 OpenClaw，但核心思路（三层记忆架构、语义触发写日志、三层防御机制）适用于任何有 workspace 文件系统的 AI 智能体框架。
为什么记忆是第一基建
我从部署完成就开始让 AI 干活（教研相关的专项任务），一周后发现一个问题：应该先把"智能"搭好，再灌业务逻辑。
原因很简单：如果 AI 记不住之前的决策、踩过的坑、你的偏好，那你每次对话都在重复教它同样的事。效率极低，而且它会反复犯同样的错。
记忆系统不是可选的增强功能，而是让 AI 从"工具"变成"助手"的基础设施。
架构：三层记忆
┌─────────────────────────────────────────┐
│ Session Context（热） │
│ 当前对话的上下文窗口，自动管理 │
│ 生命周期：单次 session │
├─────────────────────────────────────────┤
│ Daily Log（温） │
│ memory/YYYY-MM-DD.md │
│ 当天发生的事，原始记录 │
│ 生命周期：日 │
├─────────────────────────────────────────┤
│ Long-term Memory（冷） │
│ MEMORY.md │
│ 蒸馏后的长期记忆，精简有效 │
│ 生命周期：月-永久 │
└─────────────────────────────────────────┘
数据流：Session → 写入 Daily Log → 定期蒸馏到 MEMORY.md
每次新 session 启动时，AI 读取 MEMORY.md + 最近的 Daily Log，重建上下文。这就是"醒来"的过程。
搭建步骤
第一步：创建文件结构
在 workspace 目录下：
mkdir -p memory
touch MEMORY.md
echo '{}' > memory/heartbeat-state.json
第二步：在 AGENTS.md 中写入记忆规则
AGENTS.md 是 AI 的行为规范文件（OpenClaw 中定义 AI 行为的核心配置）。以下是记忆相关的核心规则，根据你的使用习惯调整措辞即可。
Session 启动时读取记忆：
## Every Session
Before doing anything else:
1. Read MEMORY.md — your long-term memory
2. Read memory/YYYY-MM-DD.md (today + yesterday) for recent context
如果是新 session 的第一条用户消息，读完日志后主动告知：
"已读取记录，上次到：[最近日志的关键内容摘要]"
为什么读今天+昨天：跨午夜的工作会分散在两个文件里。只读今天会丢失昨晚的上下文。
语义触发写日志（最关键的规则）：
### 🔴 语义触发写日志
以下情况立即追加写入 memory/YYYY-MM-DD.md：
- 确认了某件事（"好"、"ok"、"那我们去做X"）
- 完成了一个实质性操作（配置修改、文件更新、测试通过）
- 话题明显切换到新方向
写日志标准：宁少勿多，只写已确定的事。
- 已完成：标注"已完成，结论：X"
- 进行中：同一条目里必须写明"已知约束：X"（无约束也显式写"无约束"）
- 修正了之前结论：写一条"修正：之前X有误，正确是Y"
这里有一个血泪教训：如果只记"做了什么"不记"不能做什么"（约束），当 session 压缩或重启后恢复任务时，AI 会忘记约束，可能执行危险操作。
❌ 错误写法：
## 14:30 修改配置
进行中，正在修改配置文件
✅ 正确写法：
## 14:30 修改配置
进行中。已知约束：不能改数据库连接串（生产环境在用）
"心理笔记"不存在：
AI 说"我记住了"只是当前对话里知道，session 结束就全忘。必须写到文件里才算数。在 AGENTS.md 中写明：要记就写文件，"心理笔记"不存在。
第三步：配置心跳做自动维护
语义触发是主要的写日志方式，但不是 100% 可靠——AI 可能忘记写。心跳（定时触发机制）是安全网。
在 openclaw.json 中启用：
{
"agents": {
"main": {
"heartbeat": {
"intervalMinutes": 60
}
}
}
}
心跳做两件事：
- 日志兜底（每次）：检查是否有未记录的重要内容，有就补写
- 记忆蒸馏（每周）：从 Daily Log 中提炼值得长期保留的信息到 MEMORY.md，同时清理过期条目
心跳间隔建议 30-60 分钟。太短浪费 token，太长兜底不及时。
第四步：三层防御防止记忆丢失
这是整个指南最重要的部分。记忆丢失不是"会不会发生"的问题，而是"什么时候发生"的问题。
为什么会丢失？ AI 智能体在对话太长时会压缩历史（compaction）。压缩摘要保留"做了什么"，但容易丢掉"不能做什么"。AI 从摘要恢复任务时，如果约束丢了，可能执行本该被禁止的操作。
第1层 预防 ──→ 写日志时，状态和约束写在同一条目
第2层 侦测 ──→ 恢复高风险任务时，先搜记忆找约束
第3层 兜底 ──→ 执行不可逆操作前，当场确认
设计哲学：任意一层失效，下一层接住。 不追求单层完美，追求系统可靠。
第五步：语义搜索（可选）
接入 embedding 模型后，AI 可以用自然语言搜索历史记录。但即使没有语义搜索，前四步已经构成完整的记忆系统。语义搜索是锦上添花，不是必需品。
踩坑记录
坑1：MEMORY.md 膨胀
什么都往里写，几周后变得很长，每次 session 启动消耗大量 token。
解决：写入门槛——只写3个月后仍有效的内容。每周蒸馏时顺便清理。膨胀不只是量的问题，质更重要：每一条低质量内容都在消耗未来每次 session 的上下文预算。
坑2：AI 的自我诊断不可信
问 AI "你为什么忘了这件事"，它会说"注意力被分散了"、"当时觉得不重要"。听着很合理，但 AI 根本没有"注意力"这回事——它用人类心理学概念解释了一个完全不同的运行机制。按这些解释去优化，方向可能完全错。
解决：少问 AI "为什么"，多看数据。日志覆盖率、丢失次数、触发记录——这些比 AI 的"反思"靠谱。
坑3：进程崩溃导致日志丢失
AI 还没来得及写日志就退出了。
解决：心跳兜底 + Session 原始记录文件（框架自动记录所有对话到磁盘，是最后的兜底）。
坑4：搜到记忆直接当事实用
AI 搜到一个月前的记录，直接按照它执行，但情况已经变了。
解决：搜到内容后必须标注来源、向用户确认。过期了就更新或删除。
量化效果
我对过去一周的对话内容和日志做了交叉对比，统计每天丢失了多少重要信息：
| 阶段 | 丢失率 | 状态 |
|---|---|---|
| 搭建前（纯靠 session 上下文） | 20-40% | 高频遗忘 |
| 搭建后（语义触发 + 心跳兜底 + 三层防御） | 5-10% | 基本可控 |
你也可以让你的 AI 做同样的统计：
"帮我做一个记忆丢失率统计：把你最近一周每天的对话内容和你实际写入日志的内容做交叉对比，算出每天大概丢失了多少比例的重要信息，用表格列出来（日期、丢失率、丢失了什么）。"
一个认知
MEMORY.md 不只存事实和偏好，还应存认知——从经验中提炼出的理解和判断。
Daily Log 记事实，MEMORY.md 记智慧。把它当作大脑皮层，不是文件索引。写"我理解了什么"，而不是"这个链接在哪"。
下一步
以上解决的是"记下来"。记忆系统还有另一半："想起来"——当 AI 需要某条记忆时能不能快速找到。
记忆量小的阶段，基础语义搜索够用。量大了可以逐步引入混合检索（向量 + BM25）、Rerank、时间衰减等。判断标准：当你发现 AI 经常搜不到它应该知道的东西时，就是升级的时候。 在那之前，把精力放在"记下来"上——写入质量永远比检索算法重要。
完整代码和配置模板见 GitHub 仓库：ai-agent-practice
这是"养虾经验"系列的第二篇，第一篇是安全篇。如果对你有帮助，欢迎 Star ⭐
