AI 没有记忆，这是最大的谎言
AI 每次对话都是失忆的。关掉窗口，它什么都不记得。大多数人的解决方案是"把重要的东西塞到 system prompt 里"。但这有三个问题：
越塞越多，token 爆炸 — 没有淘汰机制，prompt 只会越来越长。
没有结构，找不到东西 — 全是平铺的文字，等于没有组织的抽屉。
没有维护，信息过时 — 两周前的待办还在最上面，已完成的项目还标着"进行中"。
我们的方案：把记忆当文件系统管理 — 有写入、有提炼、有归档、有搜索、有自动化维护。
三层文件，一个引擎
道术法：按认知层级分层
业界的记忆分层是按"短期/长期"或"Session/User"分。我们按认知层级分——从具体到抽象，从执行到原则。
从反复实践中提炼的普适原则。拿掉技术背景，对不懂代码的人依然成立。
踩坑 → 解决 → 沉淀的实战记录。每一条都是真实的教训。
从术中提炼的标准操作流程。可复用、可传授、可注入子智能体。
踩坑 → 产生术 → 从术中提炼法 → 从多条法中悟出道 信息只向上流动。AI 是唯一的信息枢纽。 子智能体不自己翻文件，它需要的一切都在指令里。
写入 → 提炼 → 搜索 → 维护
写入
事件发生 → AI 记录到 daily notes（memory/YYYY-MM-DD.md），加标签前缀。用户说"记一下"也是写 daily notes，不直接写 MEMORY.md。
Pre-Compaction 深度提取
对话被系统压缩前，AI 回扫整段对话，主动提取偏好变化、决策理由、新人物、金句、待办。宁可多记，不可遗漏。
提炼（周记 cron）
每周日自动扫本周 daily notes → 按标签分类 → 精华写入 MEMORY.md → 更新热区和关系表 → 归档过时信息。
归档（月归 cron）
每月自动合并 30 天前的 daily notes 为月度摘要，原始文件移到 archives/。不删除，可回溯。
搜索（QMD 引擎）
所有 .md 文件自动向量索引。memory_search 语义搜索 + BM25 混合检索，memory_get 精确读取指定行。
七个标签，让记忆可分类
写 daily notes 时，每条记录加标签前缀。周记扫标签即可分类提炼。
### [决策] 数据库选型用 SQLite 而不是 PostgreSQL 理由：单机部署，不需要并发... ### [教训] 非交互模式必须加权限参数 踩坑经过：Claude Code 在非交互模式下卡在权限确认...
四个 cron，让记忆自己维护
| 任务 | 时间 | 作用 |
|---|---|---|
| 周记 | 每周日 23:30 | 提炼 daily notes → 更新 MEMORY.md + 热区 + 关系表 |
| 月归 | 每月 1 号 | 归档旧文件 → 生成月度摘要 |
| 晚间复盘 | 每天 22:00 | 核对任务 + 补捞遗漏记忆（扫 JSONL 原始对话） |
| 心跳 | ~30 分钟 | 偶尔做记忆整理 + 热区更新 |
记忆补捞
每天 22:00，AI 扫描当天原始对话记录（JSONL），提取中文内容，对比 daily notes。发现遗漏 → 追加到 daily notes 并加标签前缀。这解决了"用户忘了说记一下"和"/new 重置丢失记忆"的问题。
人类可审查比全自动更重要
| 文件 | 谁能写 | 为什么 |
|---|---|---|
| 道（核心原则） | 用户 + AI 讨论后 | 防止 AI 自造原则 |
| 术（踩坑记录） | 用户确认后 | 防止错误经验固化 |
| 法（操作流程） | AI 自主 | 执行层，AI 更清楚 |
| daily notes | AI 自主 | 原始记录，快速写入 |
| MEMORY.md | AI 自主 | 精华整理 |
如果 AI 悄悄记了一个错误的经验，然后基于这个错误经验做了 100 个决策，你都不知道。
这比忘记更可怕。
— TAME 论文（2024）称之为"有毒捷径"（toxic shortcuts）
全本地 — 所有文件在本机，不上传云服务。纯文本 — Markdown 格式，cat 就能看。可审查 — 随时打开任何文件查看、修改、删除。零成本 — 不需要付费服务。
与主流方案怎么比？
| 维度 | 道术法系统 | mem0 | Hindsight | OpenClaw 默认 |
|---|---|---|---|---|
| 分层 | 道术法三层 | Session/User | Retain/Recall/Reflect | 无 |
| 检索 | QMD 混合搜索 | Auto-Recall | Auto-Recall | 基础搜索 |
| 反思/整合 | 周记 cron | 无 | Reflect | 无 |
| 安全 | 全本地+确认 | 云端 | 全本地 | 全本地 |
| 可审查 | ✅ 纯文本 | ❌ 向量 | ⚠️ 数据库 | ✅ 纯文本 |
| 成本 | $0 | $0~$249/月 | $0 | $0 |
| 综合 | 8.3/10 | 6.6 | 7.1 | 6.6 |
10 分钟搞定最小版本
创建 MEMORY.md — 写上你的核心信息、偏好、当前项目
创建 memory/ 目录
在 AGENTS.md 里加一条规则：
每次会话读 MEMORY.md。 用户说"记一下"时，写到 memory/YYYY-MM-DD.md。
这就够了。你已经超越了 90% 的 OpenClaw 用户。
然后按需添加：标签系统 → 周记 cron → 晚间复盘 → 热区 → 道术法体系。当你积累了足够的经验后，它们会自然出现。
不建议做的
- 装第三方记忆 skill（ClawHub 上约 15% 有恶意行为）
- 搭 mem0 / 向量数据库（增加运维，小机器吃不消）
- 全自动写核心记忆（没有人类审查的记忆不可靠）
- 一开始就搞复杂（先跑最小版本，再按需加功能）
短板等技术补，优势抄不走
自动化程度低 — 最大短板，靠手动 + cron 弥补。
无知识图谱 — 关系型知识只能文本描述，不能结构化查询。
时序感知弱 — 搜索不对时间加权，一个月前和昨天的信息权重相同。
扩展性上限 — 文件数量会随时间膨胀，需要月归控制。
这些短板可以等 OpenClaw 官方迭代来补。优势是架构层面的 — 认知分层、确认机制、道术法体系 — 这些别人抄不走。