OpenClaw 的记忆系统设计得很特别，它把所有记忆都写成普通的 Markdown 文件，直接保存在 agent 的工作目录（workspace）里。模型本身不会在脑子里记东西，只有写到磁盘上的内容才会持久存在。

记忆文件的组织方式

OpenClaw 把记忆分成两层，结构很简单但很实用：

1. 每天的日志文件（daily log）：
   路径是 memory/YYYY-MM-DD.md（比如 memory/2026-03-28.md）。
   这是一个“只追加”的文件，用来记录当天的事情、运行中的上下文、临时笔记等。
   系统会在 session 开始时自动读取今天和昨天的日志，方便 agent 快速接上昨天的进度。

2. 长期记忆文件：
   文件名叫 MEMORY.md，放在 workspace 的根目录。
   用来保存重要的、需要长期记住的东西，比如关键决定、用户偏好、重要事实等。
   这个文件只会在私人 session（private session）里加载，在群聊之类的场景里不会自动读，避免信息泄露或混乱。

怎么跟记忆互动

Agent 主要通过两个工具来操作记忆：

• memory_search：语义搜索。
  它会在记忆文件里建立向量索引，用“意思”而不是精确关键词来查找相关内容。即使你换了说法，也能找到以前记的东西。支持混合搜索（向量 + 关键词），效果更好。

• memory_get：直接读取指定文件或某几行内容。
  如果文件不存在（比如今天还没写过日志），它也不会报错，而是安静地返回空内容，让 agent 自己处理。

这两个工具默认由 memory-core 这个插件提供。

什么时候该写记忆

这是一个很重要的使用原则，新手一定要注意：

• 重要、持久的东西 → 写到 MEMORY.md（决定、偏好、核心事实）。
• 日常笔记、正在进行的事情 → 写到当天的 memory/YYYY-MM-DD.md。

用户如果说“记住这个”，最好明确让 agent 写到文件里。写记忆是主动行为，不是自动的。

自动记忆刷新机制（很重要）

为了防止上下文窗口快满时（compaction 压缩前）重要信息丢失，OpenClaw 有一个自动刷新机制：

当 session 的 token 数量接近上限（默认计算公式是 contextWindow 减去一些保留 token 和软阈值）时，系统会在压缩前悄悄触发一次“agent 内部回合”。

这个时候，模型会被提示去把重要内容写到当天的日志文件里。它通常不会回复用户（返回 NO_REPLY），用户几乎感觉不到这个过程。

这个机制默认是开启的，可以在配置里调整阈值和提示词。如果 workspace 是只读模式，就不会触发。

搜索能力

记忆文件会自动建立向量索引，支持语义搜索。

给新人的小建议

• 把 OpenClaw 的记忆想象成一个“磁盘笔记本”：写进去才算数，不写就会丢。
• 养成让 agent 主动写记忆的习惯，尤其是重要决定或用户偏好。
• 长期记忆（MEMORY.md）要谨慎使用，只放真正需要一直记住的东西。
• 如果你想自定义记忆行为，可以换插件或调整配置，但默认的 memory-core 已经很够用了。