OpenClaw 三层记忆系统：跨会话保留上下文并控制 Token 成本

这个案例做什么

• 将记忆拆分为三层：MEMORY.md（长期）、memory/YYYY-MM-DD.md（每日）、PROJECTS.md（项目状态）。
• 定义迁移规则，把临时记录沉淀为可复用的长期信息。
• 结合 memory_search 与 memory_get，提高历史决策召回速度。

所需技能

• memory_search_

痛点

把所有内容放进一个大记忆文件，容易出现信息噪声：长期偏好、短期执行记录混在一起，检索质量下降，跨会话连续性也会变差。

这个案例的核心价值

三层结构把“长期稳定信息”和“短期执行上下文”分开管理，既能保留关键记忆，也能减少无效上下文堆积，提升后续会话的可读性与可检索性。

典型应用场景

• 持续运行多天/多周的个人智能体。
• 会话压缩或重启后快速恢复项目上下文。
• 降低团队在智能体流程中反复确认历史决策的成本。

如何设置

1. 在工作区根目录建立结构：
   • MEMORY.md
   • PROJECTS.md
   • memory/YYYY-MM-DD.md
2. 约定三层职责：
   • 长期原则与偏好写入 MEMORY.md
   • 每日事件与决策写入 memory/YYYY-MM-DD.md
   • 项目目标、阻塞与下一步写入 PROJECTS.md
3. 建立会话节奏：
   • 会话开始读取长期记忆 + 今昨日日志 + 项目状态。
   • 会话结束把可长期复用的信息从日志迁移到 MEMORY.md。
4. 检索时优先语义召回：先 memory_search，再用 memory_get 精读片段。

归档材料

来源中的典型三层目录结构：

相关链接

• OpenClaw 文档：Memory

常见问题

三层结构会替代向量检索吗？

不会。三层结构解决“怎么存”，向量检索解决“怎么找”，两者是互补关系。

一开始必须把三层都建好吗？

不是强制，但完整三层更容易避免长期偏好和临时执行记录混写。

每日日志什么时候迁移到长期记忆？

当该信息在多天后仍有复用价值时（例如稳定偏好、已确认的执行规则）。