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。



AI有招 · AI实战 #36

以下内容可以直接转给你的 OpenClaw 伙伴阅读。

---

你有没有遇到过这种情况——

你和 AI 聊了一整天，配好了服务器、写好了脚本、排查了 Bug。第二天新开会话，它问你：「请问你的服务器 IP 是什么？」

大模型天生没有长期记忆。每次会话都是全新的白纸。会话结束，一切归零。

这在闲聊场景无所谓，但在长期项目协作中是致命伤。你的 AI 伙伴需要知道：

• 集群有哪几台机器，怎么连
• 上次备份脚本改了什么，为什么改
• 昨天排查的那个 Bug 结论是什么
• 哪些坑踩过了，不要再踩

记忆系统就是解决这个问题的。不是靠模型本身记住，而是用文件系统给 AI 造一个外部大脑。

本文分享我们如何从零设计并运行一套完整的记忆系统。这套系统已经稳定运行两周，支撑了 30+ 篇文章发布、集群运维、多平台内容分发等全部日常工作。

---

人类记忆有层次：核心身份（我是谁）→ 长期记忆（项目经验）→ 短期记忆（今天做了什么）→ 工作记忆（当前任务上下文）。

AI 的记忆系统也应该分层：

核心原则：

1. 写文件，不做"心理笔记" —— 所有经验必须落盘，不能只在会话里说"我记住了"
2. 分层加载，控制 token —— 不是每次都读所有文件，按需读取
3. 多节点同步 —— 多台机器共享同一份记忆
4. 机器可读 —— JSON 格式的知识库，方便检索

---

OpenClaw 支持把 workspace 下的特定文件自动注入到每次会话的 system prompt 中。这是记忆系统的根基。

2.1 SOUL.md —— 人格与行为准则

要点：

• SOUL.md 定义了 AI 的性格和行为边界
• 部分告诉 AI 每次醒来后先读什么——这是记忆链的入口
• 明确了需要人工确认的高风险操作
• 整个文件控制在 1KB 以内，不浪费 token

2.2 MEMORY.md —— 全局状态摘要

要点：

• 这是 AI 的全局地图——每次醒来就知道整体状态
• 包含一个路径速查表——新会话可以据此自行导航
• 更新频率：每当项目有重大变化时更新
• 大小：控制在 3-5KB

2.3 TOOLS.md —— 工具与基础设施

要点：

• AI 随时需要连接其他节点——连接信息必须在这里
• 节点分工很关键——防止 AI 在错误的机器上跑重活
• 脚本路径——避免 AI 每次都要 半天

2.4 AGENTS.md —— 行为规范

要点：

• 「认知一致性」是最重要的规则——做了事但不记录，等于没做
• 明确了记忆写入的具体位置和格式

自动注入的总预算

每次会话固定消耗 ~3K tokens 用于身份注入。以 Claude Sonnet 的 input 价格（0.45。完全可承受。

---

自动注入只给了 AI 一张地图。具体执行任务时，AI 需要深入读取项目详情。

3.1 目录结构

3.2 must-read.md —— 每次必读清单

这是一个精心维护的「快速查找表」：

设计逻辑：相当于 Linux 的 —— 登录后第一眼看到的东西。减少一层跳转。

3.3 projects/index.md —— 项目索引

注意：index.md 只索引，不放内容。保持它的角色清晰——目录，不是百科全书。

---

4.1 当日日志

每天一个文件，格式 ：

要点：

• 每个操作记录：做了什么、为什么做、验证结果
• 不怕写多——日志是给未来的自己看的
• 复杂操作单独开文件：

4.2 月度归档

月末日志过多时，把当月日志移入 ：

归档不是删除——只是从一级目录移到二级目录，需要时仍可读取。

---

日志是流水账，知识库是提炼后的精华。

5.1 knowledge-base.json —— 结构化知识库

使用方式：

为什么用 JSON 不用 Markdown：

• JSON 可以被程序精确检索（按 tag、project 过滤）
• Dashboard API 可以 CRUD
• Markdown 适合人读，JSON 适合 AI 读

5.2 snippets.json —— 经验碎片

比知识库更轻量的记录：

5.3 reflections.md —— 复盘记录

定期复盘，提炼模式和教训：

---

多台机器需要共享同一份记忆。我们用 rsync + OpenClaw cron 实现。

6.1 同步架构

维护节点是同步中枢——每 5 分钟双向同步所有节点的 目录。

6.2 同步脚本

在维护节点上创建同步脚本：

6.3 注册为 OpenClaw cron 任务

关键设计决策：

• 用 而不是系统 crontab——统一管理，AI 可以查看和修改
• 用 而不是时间戳——避免时区差异导致误判
• 用 拉取 worker——不覆盖 master 已有内容，防冲突
• 同步的是 不是整个 ——日志不需要全节点同步

---

我们搭建了一个简易 Dashboard（Node.js），提供 RESTful API 让 AI 以编程方式管理知识库和任务：

这条规则的力量在于：AI 不只是执行命令，而是主动维护自己的记忆。每次踩坑都会沉淀为知识库条目，下次遇到同类问题自动检索。

---

一个全新的会话是这样启动的：

整个流程：自动注入 → 规则校准 → 按需深入 → 开始工作。

从全新会话到完全恢复上下文，总 token 消耗约 5K-8K。不到 $0.03。

---

❌ 坑 1：MEMORY.md 越写越长

早期把所有经验都堆在 MEMORY.md 里，很快膨胀到 20KB+。每次自动注入就吃掉 5K tokens。

解法：MEMORY.md 只放「摘要 + 路径」，详细内容下沉到子目录。

❌ 坑 2：AI 说"我记住了"但没写文件

AI 在会话中信誓旦旦说"已记录"，但实际没有写入任何文件。下次会话全忘。

解法：在 AGENTS.md 中明确写 。这句话效果非常显著。

❌ 坑 3：多节点修改同一文件导致覆盖

主节点和工作节点同时修改同一文件，同步后一方被覆盖。

解法：

• 目录约定只有主节点负责修改
• 其他节点可以新增文件，但不修改已有文件
• rsync 用 防止覆盖

❌ 坑 4：日志文件堆积

目录下几十个日志文件，AI 后不知道读哪个。

解法：日志按日期命名，定期归档到 。在 中只索引活跃文件。

✅ **实践 1：启动链

在 SOUL.md 中明确列出启动时的文件读取顺序：

比依赖 AI 自己决定读什么可靠得多。

✅ **实践 2：路径速查表

在 中维护路径索引，AI 不需要遍历目录树。

✅ **实践 3：知识库用 JSON

JSON 比散落的 Markdown 更适合机器检索。支持按 tag、project 过滤，AI 可以用 查询。

✅ **实践 4：高风险操作的安全网

AGENTS.md 要求高风险操作先审批。这不是信任问题，是记忆系统的安全阀——AI 记错了上下文时，审批流程可以拦住。

---

运行两周后的对比：

最显著的变化：AI 开始有了「连续性」。它不再是每次见面都要重新介绍自己的陌生人，而是一个记得你昨天做了什么、知道项目全局的协作伙伴。

---

如果你也想给自己的 OpenClaw 搭建记忆系统：

Step 1：创建目录结构

Step 2：创建 SOUL.md

Step 3：创建 MEMORY.md

Step 4：创建 AGENTS.md

Step 5：创建知识库

Step 6：验证

开一个新会话，问 AI：「你知道我们在做什么项目吗？」

如果它能回答出来，记忆系统就生效了。

---

1. 向量检索：知识库条目做 embedding，语义搜索代替关键词匹配
2. 自动摘要：日志写满一周后自动生成周报
3. 记忆衰减：30 天未访问的条目自动归档
4. 跨用户记忆：多人共用集群时的记忆隔离与共享
5. 记忆可视化：Dashboard 展示哪些知识最常被访问

但在当前阶段，文件系统 + JSON + rsync 已经足够好。不要过度设计——先跑起来，遇到瓶颈再迭代。

---

AI 记忆系统的核心不是什么高深技术，就是文件系统 + 约定 + 纪律：

记住这句话：写文件，不做”心理笔记”。

这是整个记忆系统最重要的一条规则。

---

本文基于 OpenClaw 集群实际运行经验撰写。记忆系统已稳定运行两周，支撑日均 3 篇内容发布 + 集群运维 + 多平台分发。

AI有招，让 AI 有章可循。