Agent 记忆系统设计模式：从临时到持久

为什么 Agent 需要记忆

没有记忆的 Agent 每次对话都从零开始。记忆让 AI：

• 记住用户偏好
• 跨会话保持上下文
• 积累经验避免重复错误

三种记忆模式

1. Session Memory（会话内）

最轻量。对话历史本身就是记忆。会话结束即消失。

适合：单次任务、临时问答

2. File Memory（文件持久化）

写入 Markdown/JSON 文件。Agent 重启后可读取。

适合：结构化偏好、项目元数据、决策记录

OpenClaw 实现：MEMORY.md + memory/*.md

3. Vector Memory（向量检索）

将信息 embedding 后存入向量数据库，按语义相似度检索。

适合：大量非结构化信息、知识库问答

选择决策树

需要跨会话？ 不需要 -> Session Memory 需要 -> 数据量小于100条 -> File Memory 需要 -> 数据量大于100条或需要语义检索 -> Vector Memory

混合模式

生产级系统通常组合使用：

• File Memory 存核心偏好和决策
• Vector Memory 存海量知识
• Session Memory 处理当次对话

OpenClaw 中的实践

• MEMORY.md：长期记忆，手动策划
• memory/YYYY-MM-DD.md：每日原始记录
• memory_search：语义检索记忆文件
• Heartbeat 时定期整理：日报到长期记忆