不解决长期记忆问题，任何Agent都不配叫个人助理

By @lemondooe | Sun Feb 22 12:41:42 +0000 2026 Likes: 179 | Retweets: 33 | Views: 56858 Words: 254

我从 openclaw 在华语区有声量的第一天就开始使用。各种配置的坑都是小事，唯独长期记忆是最让我头疼的。因为它当时最吸引我的点就是这个—本地存储记忆（不依赖单一大模型客户端）+长期记忆能力。但真正使用过后才发现，即使到了最近的更新版本（2.19）也依然解决不了这个问题。直到。。。

一、真正的问题是什么

大模型有个根本性缺陷：没有跨会话的长期记忆。每次打开新对话，一切从零开始。你用 Claude 谈了两小时商业战略，下次它什么都不记得。你在 Gemini 做了市场分析，换到 ChatGPT 又要重新建立语境。

更本质的问题是：每个 AI 是一座数据孤岛。

二、探索解决方案

第一阶段：纯 Markdown 文件

最早的方案极简：把重要内容手动写成 .md 文件，统一放一个目录，需要时贴进对话。

优点：

• 任何 AI 都能读，零绑定

• 数据完全属于自己

• 0成本 0配置

致命缺陷：

• 全靠手动维护，懒一次就破功

• 文件一多，不知道该贴哪个

• AI 看到的是孤立文档，不知道文档之间的关联

• 没有智能检索，只能靠记忆自己找

这套方案撑了一段时间，随着信息量增长越来越难用。

第二阶段：OpenViking——字节火山引擎的开源方案

字节火山引擎（Volcengine）开源了 OpenViking（github.com/volcengine/OpenViking），一个专为 AI Agent 设计的 Context 数据库，GitHub 上积累了 2.9k stars。它的核心创新是文件系统范式——放弃了传统 RAG 的碎片化向量存储，改用类似本地文件系统的方式统一管理：

L0 — 极简摘要（几十 token，永远在上下文里）

L1 — 结构化大纲（按需加载）

L2 — 完整内容（用时才拉取）

这个设计很聪明——按需分层加载，大幅节省 token。它还支持目录递归检索，把语义搜索和路径定位结合，可以追踪检索轨迹（出了问题知道哪里错了）。但我用了一天后最终放弃了它，原因有三：

① 接口与平台深度绑定

所有操作走私有 CLI 命令 viking_search / viking_add。系统配置文件、skill 文件全嵌入了这套接口。一旦 OpenViking 出问题，或者想换工具，牵一发动全身。今天清配置时，光找散落在各地的 viking_* 引用就花了半小时。

② 定位是开发者工具，不是个人记忆系统

OpenViking 解决的是"开发者如何给 Agent 管理上下文"，不是"用户的跨AI知识如何统一"。两个场景有本质区别。

③ 跨 AI 共享目前还做不到，只能配置本地记忆文件

Claude Code、Gemini、ChatGPT 想用同一份记忆，需要各自单独对接，不是原生设计。

第三阶段：Nowledge Mem

放弃 OpenViking 之后，找到了 Nowledge Mem（github.com/nowledge-co/nowledge-mem），独立团队做的产品。一句话打中痛点： "Stop opening 5 AI apps to find that one conversation."

核心差异：知识图谱 vs 文件索引

| 维度 | OpenViking | Nowledge Mem |

|------|-----------|--------------|

| 存储结构 | 文件系统 + 分层索引 | 知识图谱（节点 + 关系边）|

| 检索方式 | 语义 + 目录路径 | 5信号融合打分 |

| 记忆间关联 | 靠目录结构隐式表达 | 显式连边，可跨主题跳跃 |

| 跨AI支持 | 需要各自对接 | 原生多AI设计 |

| 数据归属 | 半透明私有格式 | 本地优先，完全透明 |

| 时间感知 | 无 | 双时态（事件时间 + 记录时间）|

Nowledge Mem 的 5 信号检索

每次搜索同时跑：

1. 语义向量相似度

2. BM25 关键词精确匹配

3. 图谱关系传播（相邻节点加分）

4. 社区聚类（同话题簇优先）

5. 时间衰减 + 重要性权重

效果：我搜"产品方向"，它能同时找出我之前 vibe 的所有相关项目记忆，因为这几个项目在图谱里有连边——这是文件索引做不到的。

三、最终架构

输入来源

Claude Code / Gemini / ChatGPT / TARS

     ↓

Nowledge Mem（统一记忆层）

本地图谱 · 5信号检索 · 自动提炼

     ↓

OpenClaw + TARS（Mac Mini 24h运行）

调用记忆 → 响应 → 写回记忆

四条设计原则：

数据主权第一 — 所有记忆存本地图谱，不锁任何云服务，明天换 AI 工具记忆还在。

跨AI而非绑AI — Claude、Gemini、Chatgpt 往同一个图谱写入，记忆是共享资产不是某个工具的私有物。

不过度工程化 — 放弃了自建 Chroma 向量库、QMD 等方案。现成的成熟产品，不重复造轮子。

四、一个独立团队为什么能打败字节

这个问题值得单独说。

字节做 OpenViking 的出发点是解决开发者的 Agent 工程问题，目标用户是要给自己产品集成记忆的开发者，所以设计自然偏工具化、接口化。

Nowledge Mem 的出发点是让普通用户的知识跨AI流通，目标用户是像我这样同时用 5 个 AI 工具的人，所以设计天然就是跨平台、本地优先、用户数据完全透明。不同的用户画像，决定了完全不同的产品。

记住，记忆是你的，不是任何 AI 的。