🧠 Agent Memory Systems（Agent记忆系统）详解

Agent Memory Systems 是让 AI Agent 拥有「记忆」的技术架构。没有记忆的 Agent 就像金鱼——每次对话都是崭新的开始；有记忆的 Agent 才能记住你的偏好、历史对话、长期目标，提供连贯的服务体验。

记忆的三层架构

记忆系统的工作原理

1. 记忆编码（Encoding）

// 将对话内容编码为向量存储
async function encodeMemory(conversation) {
  // 提取关键信息
  const keyInfo = extractKeyInformation(conversation);
  
  // 转换为向量嵌入
  const embeddings = await embed(keyInfo);
  
  // 存储到向量数据库
  await vectorDB.store({
    id: generateId(),
    embedding: embeddings,
    metadata: {
      timestamp: Date.now(),
      type: 'user_preference',
      importance: calculateImportance(keyInfo)
    }
  });
}

2. 记忆检索（Retrieval）

// 基于当前查询检索相关记忆
async function retrieveMemory(query) {
  // 查询向量化
  const queryEmbedding = await embed(query);
  
  // 向量相似度搜索
  const results = await vectorDB.search({
    vector: queryEmbedding,
    topK: 10,
    filter: { importance: { $gte: 0.5 } }
  });
  
  // 重排序（时间衰减 + 相关性）
  return rerank(results, { 
    timeDecay: 0.1,    // 时间衰减系数
    relevanceWeight: 0.7 
  });
}

3. 记忆整合（Integration）

// 将检索到的记忆整合到上下文
function integrateMemory(context, memories) {
  const memoryContext = memories.map(m => 
    `[${m.type}] ${m.content} (${formatTime(m.timestamp)})`
  ).join('\n');
  
  return {
    ...context,
    systemPrompt: context.systemPrompt + 
      `\n\n## 相关记忆\n${memoryContext}`
  };
}

OpenClaw 记忆系统实战

1. 内置记忆管理

// OpenClaw 的记忆管理工具
await tdai_memory_search({
  query: "用户对AI工具的偏好",
  type: "persona",      // persona/episodic/instruction
  limit: 5
});

// 搜索历史对话
await tdai_conversation_search({
  query: "上次讨论的OpenClaw配置",
  limit: 10
});

2. 记忆类型划分

3. Scene Blocks 场景记忆

OpenClaw 还支持 Scene Blocks 场景级记忆，用于记录特定领域的上下文：

// 场景记忆结构
{
  "scene_blocks/OpenClaw玩法资讯网站运营.md": {
    "热度": 133,
    "更新": "2026-04-20T16:11:01.227Z",
    "Summary": "RSS聚合系统成熟：定时任务稳定覆盖第32期至132期..."
  }
}

// 读取场景详情
await read({
  path: "/root/.openclaw/memory-tdai/scene_blocks/OpenClaw玩法资讯网站运营.md"
});

记忆系统的挑战

挑战 1: 记忆过载

问题：记忆太多会降低检索效率，增加成本。

解决方案：

• 重要性筛选 - 只存储高价值记忆
• 遗忘机制 - 自动清理过时信息
• 压缩摘要 - 定期合并相似记忆

挑战 2: 记忆冲突

问题：用户偏好可能变化，新旧记忆冲突。

解决方案：

• 时间衰减 - 新记忆权重更高
• 显式更新 - 允许用户修改偏好
• 冲突检测 - 识别并询问用户

挑战 3: 隐私安全

问题：记忆存储敏感信息。

解决方案：

• 加密存储 - 敏感字段加密
• 访问控制 - 用户可查看/删除记忆
• 本地优先 - 敏感信息本地存储

最佳实践

1. 分层记忆策略

const memoryStrategy = {
  // 高频访问 - 保持在上下文
  shortTerm: {
    windowSize: 20,       // 最近20轮对话
    compression: "none"   // 不压缩
  },
  
  // 中频访问 - 工作记忆
  workingMemory: {
    maxItems: 100,
    compression: "summarize"  // 定期摘要
  },
  
  // 低频访问 - 长期记忆
  longTerm: {
    storage: "vectorDB",
    retrieval: "semantic",    // 语义检索
    decay: 0.1                // 时间衰减
  }
};

2. 记忆注入时机

// 在关键节点注入记忆
const memoryTriggers = {
  "session_start": "加载用户偏好和历史上下文",
  "new_task": "检索任务相关记忆",
  "user_preference_mentioned": "更新persona记忆",
  "task_completed": "记录episodic记忆",
  "error_encountered": "记录失败经验"
};