让 AI 记住你说过的每一句话：零成本记忆系统完整构建记录

从"聊完就忘"到"结构化持久记忆"的完整迭代记录。基于 OpenClaw 多 Agent 团队的真实生产环境，历时 17 天打磨。

为什么 Agent 需要记忆系统？

AI Agent 有一个致命缺陷：它没有真正的记忆。

每次对话都有一个上下文窗口（Context Window），看起来像记忆，但它会被压缩（Compaction）、会丢失、会在重启后清零。你跟 Agent 聊了一整天的决策、偏好、进展，第二天它全忘了。

更糟糕的是，Agent 自己不知道它忘了什么。它会自信地给你重复建议、重复犯错、重复问你已经回答过的问题。

解决方案只有一个：把记忆写进文件。

你不写进文件的东西 = 你从来不知道的东西。

这是 17 天实战中总结出的第一定律。

架构总览：三层记忆 + 三层检索

三层记忆

• 工作台：NOW.md，当前状态看板，每次 Heartbeat 刷新
• 日记：memory/YYYY-MM-DD.md，当日事件流水，实时追加
• 长期智慧：MEMORY.md，跨天教训精华，极少更新

关键原则：不混用。

• NOW.md 只放事实状态（谁在干什么、什么阻塞了），不放教训
• 日记放所有细节（决策、完成、踩坑），是最完整的信息源
• MEMORY.md 只放真正跨场景通用的智慧，一天更新不超过一次

三层检索

当 Agent 需要回忆时：

L1: INDEX.md（目录级扫描，1 秒）
 ↓ 找不到
L2: 目录 + grep（文件级搜索，3 秒）
 ↓ 找不到
L3: 语义搜索（全文检索，5 秒）

大多数查询在 L1 就能命中。INDEX.md 是整个系统的入口。

V1：朴素方案（Day 1-10）

最初的方案非常简单：

MEMORY.md     — 所有长期记忆
NOW.md        — 当前状态
memory/
  2026-01-29.md  — 每日日记
  2026-01-30.md
  ...

问题

• MEMORY.md 越来越长（43 条教训挤在一个文件里），Agent 读起来慢
• 日记是流水账，要找某个决策得翻好几天
• 没有分类，投资教训和 cron 调度教训混在一起
• 写入不可靠，Edit 工具追加内容经常因精确匹配失败而静默丢数据

V2：结构化记忆（Day 11-15）

关键发现

研究了 ClawVault 项目后发现一个反直觉的结论：

纯 Markdown 文件的记忆准确率（74%）高于专业向量数据库方案（68.5%）。

原因：结构化的 Markdown 文件对 LLM 来说是天然友好的格式，不需要额外的 embedding 和检索步骤。

改造：加目录，加类型

memory/
  INDEX.md              ← 总索引（Agent 启动时第一个读的文件）
  YYYY-MM-DD.md         ← 每日日记（不变）
  decisions/            ← 决策记录（带 frontmatter）
  lessons/              ← 经验教训（按主题归档）
  people/               ← 人物档案
  projects/             ← 项目档案
  preferences/          ← 偏好设定

决策记录模板

每个决策文件都有 YAML frontmatter：

---
date: 2026-02-08
type: decision
status: active
tags: [community, monetization]
---
# 先做社群扩大受众

## Context
直接推进阶课程，但社群还没建立信任基础。

## Decision
先做社群扩大受众，积累信任后再推进阶课程。

## Alternatives Considered
- 直接推付费 bootcamp → 拒绝（没有信任基础，转化率低）

经验教训的组织方式

不按时间，按主题。同一个主题的所有教训追加到同一个文件：

# Cron 调度纪律

## 美股时差对齐 (2026-02-13)
北京时间与美股交易日的对应是周二至周六。Cron 设为 `2-6`。

## Write vs Edit 陷阱 (2026-02-13)
Isolated cron session 倾向用 Write 覆盖整个文件。
所有 memory/ 写入必须用 printf >> 追加。

写入机制：printf >> 大法

printf '\n### 14:30 — 记忆系统文档完成\n\n- 完成了完整的记忆系统迭代文档\n' >> memory/2026-02-15.md

为什么用 printf >>？

• >> 是追加，永远不会覆盖
• printf 比 echo 更可靠（处理特殊字符）
• 不依赖任何工具的精确匹配逻辑
• 文件不存在时会自动创建

统一到 Heartbeat Skill

把记忆写入逻辑封装成一个 Skill，在每次 heartbeat 时由主 session 执行：

Heartbeat 触发（每 1 小时）
    ↓
Phase 1: 记忆写入
  1.1 扫描对话上下文 → 找决策/完成/教训/偏好变化
  1.2 追加到 daily log（用 printf >>）
  1.3 分流到 decisions/ 或 lessons/（如有）
  1.4 更新 INDEX.md（仅新建文件时）
  1.5 刷新 NOW.md（每次都做）
    ↓
Phase 2: 外部扫描 + 飞轮检查

合并的好处： 每天省 $2-3，而且写入质量更高——heartbeat 在主 session 里，能看到完整对话。

备份：三重保障

# 每晚 23:00 自动执行
cd memory && git add -A && git commit -m "backup: $(date +%Y-%m-%d)" && git push

1. 本地文件（实时）
2. Obsidian Sync（实时同步到手机）
3. GitHub 私有仓库（每晚备份，版本历史）

整个 memory/ 目录就是一个 Obsidian vault，手机上装 Obsidian + Sync，随时可以浏览 Agent 的记忆。

反模式清单

❌ 不要做

• 用 Edit 追加 memory/ 文件
• 用 Write 覆盖已有文件
• 写"系统空闲，无变化"这种废话
• 每个教训建一个新文件
• 在 NOW.md 里放教训
• 在 MEMORY.md 里放日常记录

✅ 应该做

• 用 exec printf >>
• 只在文件不存在时用 Write
• 没内容就不写
• 追加到已有的主题文件
• 3-10 行，有细节但不啰嗦

总结：给想做 Agent 记忆系统的人

1. 文件就是记忆。 别想太复杂，Markdown 文件比向量数据库更可靠
2. 三层分离。 工作台（NOW）、日记（daily）、智慧（MEMORY），不混用
3. 按主题组织经验，而不是按时间。 投资教训全在一个文件里，比散落在 30 天日记里好找 100 倍
4. 写入方式比写入内容更重要。 printf >> 永远不会覆盖你的数据
5. 合并重复系统。 独立的 checkpoint cron + heartbeat 做着重叠的事，合并后更便宜、更准确
6. INDEX.md 是关键。 Agent 启动时只需要读一个文件就能导航整个记忆库

---

技术栈：OpenClaw + Markdown + Git + Obsidian
成本：几乎为零（Gemini Flash heartbeat + GitHub 免费私有仓库）
效果：Agent 跨 session、跨天、跨 compaction 保持一致性