给 OpenClaw 一个不忘事的脑:MemClawz 三层记忆架构集成指南!!!

给 OpenClaw 一个不忘事的脑:MemClawz 三层记忆架构集成指南!!!svg xmlns http www w3 org 2000 svg style display none svg

大家好,我是讯享网,很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



 
  
    
     
      
     

免费专栏|全套教程: OpenClaw 从入门到精通
开篇总览|最新目录: 最新 OpenClaw 教程|从入门到精通|AI 智能助手 / 自动化 / Skills 实战(原 Clawdbot/Moltbot)

让 OpenClaw 智能体记住一切:QMD 工作记忆 (<1ms) + Zvec 混合搜索 (<10ms) + 因果图多跳推理 (~15ms)

从“金鱼记忆”到“过目不忘” — 只需 3 分钟安装


  1. 概述
  2. 架构设计
  3. 核心组件
  4. 安装与配置
  5. API 参考
  6. OpenClaw 集成
  7. 性能基准
  8. **实践

问题背景

OpenClaw 智能体每次会话启动时都是“全新”的,没有工作记忆来记住之前正在做什么。内置的 工具虽然能进行语义搜索,但存在以下限制:

问题 影响 无工作记忆 会话重启后活跃任务上下文丢失 搜索索引过时 新记忆文件需手动重新嵌入才能搜索 仅语义搜索 错过精确关键词匹配(如 “Four Seasons” → 可能返回 “Hilton”) 无压缩机制 每日日志无限增长,上下文膨胀

解决方案

MemClawz 引入三层记忆架构,每层针对不同访问模式优化:

 
    

核心优势

特性 MemClawz OpenClaw 内置 改进 工作记忆 ✅ QMD JSON ❌ 无 ∞ 搜索延迟 <10ms ~50ms 5× 更快 关键词搜索 ✅ BM25 ❌ 仅语义 更精准 自动索引 ✅ 60 秒内 ❌ 手动 实时 自动压缩 ✅ 完成的任务归档 ❌ 无限增长 零维护 API 密钥 ❌ 无需 ✅ 需本地嵌入 100% 离线

数据流

写入路径
 
     
读取路径
 
     
压缩路径
 
     

1. QMD — 快速记忆转储 (Quick Memory Dump)

位置:

用途: 结构化 JSON 工作记忆,记录智能体当前正在处理的内容。

存储内容:

  • 活跃任务(进度、决策、阻碍)
  • 实体追踪(提到的人、URL、凭证)
  • 决策日志(“为什么选择 X 而非 Y”)

设计决策:

  • JSON 而非 Markdown — 智能体可即时解析,无需 LLM 解释
  • 最大 50KB,FIFO 淘汰 — 防止无限增长
  • 工作中写入,而非事后 — 实时捕获状态
  • 完成任务压缩到日志,不删除 — 不丢失任何内容

示例结构:

 
      

生命周期:

  • 会话开始: 智能体读取 恢复感知
  • 工作中: 每次重要操作后更新 QMD(新任务、决策、完成)
  • 会话结束: 完成任务压缩到日志,活跃任务保留
  • 每周: 重要决策提升到

2. Zvec 服务器 — 混合向量 + 关键词搜索

位置:
端口:

技术栈:

  • FastAPI + Uvicorn
  • Zvec (阿里巴巴 HNSW 向量数据库)
  • 768 维嵌入(与 OpenClaw 的 兼容)

搜索策略:

策略 适用场景 示例 HNSW 向量搜索 语义相似性 “查找酒店定价相关上下文” → 返回语义相近内容 BM25 关键词搜索 精确匹配 “查找 Four Seasons 提及” → 精确术语匹配 混合评分 默认 70% 向量 + 30% 关键词,融合排序

核心功能:

  • HNSW 近似最近邻搜索 (<10ms top-10)
  • BM25 关键词搜索精确匹配
  • 混合评分融合向量相似度 + 关键词相关性
  • REST API on
  • 多 worker 支持,优雅关闭,锁文件清理

3. 自动索引 Watcher

位置:

功能: 监控 OpenClaw 的 SQLite 记忆数据库,每 60 秒自动同步新块到 Zvec。

 
        

关键特性:

  • 无需手动重新索引
  • 新记忆 60 秒内可搜索
  • 批量处理(每次 50 块)
  • 错误重试机制

4. 因果图 (Causality Graph) — v3.0 新增

位置:
存储: SQLite ()

设计依据: 基于 AMA-Bench (Zhao et al., 2026) 研究发现:

  • Mem0 在真实智能体记忆任务得分:0.2104
  • 因果图 + 工具增强检索得分:0.5722 (2.7× 提升)

边类型:

类型 方向 用途 Causality 有向 A 导致 B (, ) Association 无向 同一轮次中的关联 Similarity 无向 嵌入相似度边

多跳检索流程:

  1. 初始相似度搜索 (top-K)
  2. 置信度检查 — 若低于阈值,遍历因果/关联边 (深度 2)
  3. 仍不足则关键词搜索回退

QMD 因果字段(v3.0):

 
         

5. 压缩脚本

位置:

功能: 将已完成的 QMD 任务移动到日志文件,修剪工作记忆。

 
          

运行方式:

  • 手动运行
  • 通过 cron 定时
  • 心跳检查钩子
  • 静默模式(仅在实际压缩时输出)

前置条件

要求 说明 OpenClaw 已安装并运行 Python 3.10–3.13 (x86_64 Linux) pip 包 ,

注意: 仅提供 x86_64 Linux wheels — 暂不支持 macOS/ARM64/Windows。

一键安装

 
           

首跑脚本执行步骤:

  1. 安装依赖 (, )
  2. 创建 QMD 工作记忆目录
  3. 启动 Zvec 服务器(端口 4010)
  4. 导入所有现有 OpenClaw 记忆(SQLite + Markdown 文件)
  5. 启动自动索引 Watcher
  6. 运行验证(健康检查、搜索延迟、QMD 检查)
  7. 注册为 OpenClaw 技能

后续命令:

 
           

环境变量

变量 默认值 说明 HTTP 服务器端口 HNSW 索引存储目录 OpenClaw 记忆数据库 因果图数据库

systemd 服务(生产环境)

 
           

基础端点

方法 路径 说明 示例 GET 健康检查 GET 集合统计 GET 集合信息 GET 一次性 SQLite 导入

搜索端点

POST

请求:

 
            

响应:

 
            

索引端点

POST

请求:

 
            

简写模式(自动嵌入):

 
            

响应:

 
            

因果图端点(v3.0)

POST

请求:

 
            

响应:

 
            
POST

请求:

 
            

响应:

 
            
POST

请求:

 
            

响应:

 
            
GET

响应:

 
            

AGENTS.md 配置

在智能体的 中添加以下记忆协议:

 
             

搜索脚本封装

创建便捷的搜索脚本 :

 
             

子智能体调度模式(Dispatch Pattern)

**实践: 每个请求生成领域专家子智能体,预加载相关记忆。

 
             
 
             

会话结束压缩:
在智能体会话结束时自动运行:

 
             

4. 监控与告警

健康检查脚本:

 
             

5. 备份策略

定期备份:

 
             

恢复流程:

 
             

常见问题

1. Zvec 服务器无法启动

症状: 无响应

排查步骤:

 
              

解决方案:

 
              
2. 搜索结果为空

可能原因:

  • 索引为空
  • 嵌入维度不匹配
  • 查询向量维度错误

排查:

 
              
3. Watcher 未同步新文件

排查:

 
              

 
               

研究论文

“AMA-Bench: Evaluating Long-Horizon Memory for Agentic Applications” (Zhao et al., 2026)
https://arxiv.org/abs/2602.22769
关键发现: Mem0 得分 0.2104,因果图 + 工具增强检索得分 0.5722(2.7× 提升)




相关项目

项目 链接 说明 memclawz https://github.com/yoniassia/memclawz 本仓库 Zvec https://github.com/alibaba/zvec 阿里巴巴 HNSW 向量数据库 OpenClaw https://github.com/openclaw/openclaw AI 智能体平台 OpenClaw 文档 https://docs.openclaw.ai 官方文档 交互式解释器 https://clawz.org/memory/ 架构可视化演示

ClawHub 安装

 
                

“每个人都值得拥有一个 Quant。每个智能体都值得拥有记忆。”

小讯
上一篇 2026-03-30 10:53
下一篇 2026-03-30 10:51

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/230732.html