用 AI 助理最头疼的问题：它不记得你。每次对话都是从零开始，上次说的偏好、做过的决定、踩过的坑，它全忘了。
我用 OpenClaw 搭了一套记忆系统，运行一个月，效果不错。分享一下架构设计。
核心问题
AI 助理的记忆问题本质是三个层次：
- 短期记忆：今天聊了什么？做了什么决定？
- 中期记忆：这周/这个月的重要事项？
- 长期记忆：用户的偏好、习惯、业务背景？
三层记忆架构
第一层：每日日志（短期记忆）
文件：memory/YYYY-MM-DD.md
生成方式：每天 23:58 自动从会话记录提取
内容：
- 今日完成的工作
- 重要的讨论和决定
- 发现的问题和解决方案
- 明天的计划
关键设计：
- 多渠道统一采集（webchat、飞书、iMessage 的对话都记录）
- 去重机制（不重复记录已有内容）
- 时区处理（用本地时间，不用 UTC）
第二层：专题记忆（中期记忆）
按主题分目录存储：
memory/
├── YYYY-MM-DD.md # 每日日志
├── 舆情/YYYY-MM-DD.md # 舆情监控记录
├── 竞品/YYYY-MM-DD.md # 竞品分析记录
└── 活动/xxx.md # 营销活动方案优势：按主题检索快，不被每日日志淹没。
第三层：核心记忆（长期记忆）
文件：MEMORY.md
内容：
- 关键教训（跨工具、跨任务的经验）
- 项目状态（进行中的项目、里程碑）
- 竞品动态（重要威胁、行业趋势）
- 用户偏好（沟通风格、业务背景）
维护方式：每日自动维护任务，从日志中提取高价值内容写入。
记忆维护机制
自动生成
每天 23:58，cron 任务自动：
- 扫描当日所有会话文件
- 提取用户消息
- 生成/更新每日日志
- 发送 iMessage 摘要
自动维护
每天 00:30，cron 任务自动：
- 读取昨日日志、舆情、竞品记录
- 识别高价值内容
- 按类别写入 MEMORY.md / TOOLS.md
- 清理过期内容
语义搜索
本地嵌入模型（nomic-embed-text）提供语义搜索：
- 搜索记忆文件
- 搜索会话历史
- 支持模糊匹配（比如搜上次关于竞品说了什么）
实际效果
运行一个月后的数据：
- 每日日志：30+ 天连续记录
- 记忆文件大小：约2.7MB
- 覆盖渠道：webchat + 飞书 + iMessage
- 自动化程度：无需手动干预
设计原则
- 写下来，不要记在脑子里 — 写入文件优于 mental notes
- 分层存储 — 短期/中期/长期分开，各司其职
- 自动化维护 — 不依赖人工整理
- 多渠道统一 — 不管在哪聊的，都记录
- 时区一致 — 所有日期用本地时间
总结
AI 助理的记忆不是技术问题，是架构问题。三层记忆 + 自动维护 + 语义搜索，让助理真正记住你。
核心代码和配置已开源在 OpenClaw 项目中，有兴趣的朋友可以参考。
