文章核心观点 - Clawdbot（现改名为 OpenClaw） 的核心创新在于其持久、本地化且完全由用户掌控的记忆管理系统，该系统通过纯Markdown文件存储，并利用混合搜索技术实现高效的信息检索，旨在提供透明、低成本且无边界的AI智能体交互体验 [1][3][56] Clawdbot 记忆系统的定义与架构 - 上下文是模型在单次请求中看到的所有信息，包括系统提示词、对话历史、工具结果和附件，具有转瞬即逝、有边界和昂贵的特点 [8] - 记忆是持久存储在硬盘上的信息，包括 MEMORY.md、memory/*.md 文件和会话实录，具有持久、无边界、便宜和可搜索的特点 [8] - 记忆系统由两个专门工具管理：memory_search 用于在所有文件中查找相关记忆，memory_get 用于读取找到的具体内容 [9][11] - 记忆写入没有专用工具，AI智能体使用标准文件操作工具，写入位置由 AGENTS.md 中的提示词控制，例如日常笔记写入 memory/YYYY-MM-DD.md，持久事实写入 MEMORY.md [12][14] Clawdbot 记忆系统的运作机制 - 采用双层记忆存储结构：第一层是“只增不减”的每日日志 (memory/YYYY-MM-DD.md)，第二层是精选的长期知识库 (MEMORY.md) [16][17] - 记忆索引结合了 sqlite-vec 扩展的向量相似度搜索和 SQLite 自带的 FTS5 全文搜索引擎，实现轻量级的“语义+关键字”混合搜索 [20][21][22] - 记忆搜索并行执行向量搜索和 BM25 关键字搜索，结果按权重（默认向量占70%，文本占30%）合并打分，低于默认阈值0.35的结果被过滤 [23][24][25] - 支持多智能体，每个智能体的记忆通过 agentId + workspaceDir 完全隔离，默认无法访问彼此记忆，适用于区分不同场景（如私人 vs 工作） [26][27][28][34] Clawdbot 的上下文管理策略 - 采用压缩技术应对上下文窗口上限（如 Claude 的 200K Token 或 GPT-5.1 的 1M Token），将旧对话总结为精简条目并保留最近消息 [36][38] - 压缩分自动（接近上下文长度限制时触发）和手动（使用 /compact 命令）两种，压缩后的摘要会存入硬盘上的会话转录文件 [39] - 在压缩前会执行“记忆刷新”，将相关记忆写入文件，防止重要信息在压缩过程中丢失 [41] - 采用剪枝技术移除旧的、庞大的工具输出结果以节省上下文空间，这是一个有损过程，但硬盘上的原始完整文件保持不变 [42][43] - 实施 Cache-TTL 剪枝，在 Anthropic 的提示词前缀缓存（TTL约5分钟）过期后，自动剪除旧的工具结果，以降低重新缓存整个对话历史的高达90%的成本 [44][46][49][50] - 会话生命周期可配置，默认模式为每日重置，也可设置为闲置超时后重置或组合模式，为记忆创造自然边界 [51][53]