OpenClaw 的 Memory（记忆）功能是如何工作的？

Memory（记忆）功能的核心原理

OpenClaw 的记忆系统是其最具特色的功能之一——它让 AI 智能体具备了跨会话的"长期记忆"能力，不再每次对话都从零开始。

与依赖大模型内置上下文窗口（通常只有几万到一百多万 Token）的传统方式不同，OpenClaw 将记忆以纯 Markdown 文件的形式持久化存储在本地磁盘上，每次对话开始时主动加载相关记忆文件到上下文，从而实现"记住你"的效果。

记忆系统的文件结构

OpenClaw 的记忆数据默认存储在 ~/.openclaw/workspace/ 目录下，主要由以下文件组成：

记忆的写入机制

记忆的写入分为"自动"和"手动"两种方式：

• 自动写入：当对话上下文接近模型 Token 上限时，OpenClaw 会在压缩（Compaction）前自动触发"记忆刷新（Memory Flush）"，将当前会话中的重要信息提炼后写入对应的日期日志文件；
• 手动写入：用户可以直接对 OpenClaw 说"记住我喜欢用 TypeScript 写代码"，它会将这条偏好追加到 MEMORY.md 中；用户也可以直接编辑这些 Markdown 文件，OpenClaw 下次会话时会读取更新后的内容。

记忆的检索机制

当 OpenClaw 需要回忆过往信息时，它通过以下步骤进行检索：

1. 混合检索：结合向量语义搜索（理解意图，即使表述不同也能匹配）和 BM25 关键词搜索（精确匹配专有名词、代码符号等）两种方式，提高召回准确率；
2. 相关性筛选：根据当前对话内容，只加载最相关的记忆片段到上下文窗口，避免 Token 浪费；
3. 时间衰减：较久未使用的记忆会逐渐降低优先级，但不会主动删除，用户可手动整理。

高级功能：QMD 模式

OpenClaw 2026.2.2 版本后引入了 QMD（Quantum Memory Database）作为可选的记忆后端。QMD 由 Shopify 联合创始人 Tobias Lütke (Tobi) 开发，是一个本地化混合检索引擎，通过 BM25 全文搜索 + 向量语义搜索 + LLM 重排序 的三层混合检索机制，显著提高记忆检索效率，同时大幅降低上下文 Token 消耗（官方数据显示可节省 90% 以上）。QMD 默认为禁用，需在配置中显式设置 memory.backend = "qmd" 才启用；若环境不满足要求，OpenClaw 会自动回退到内置 SQLite 索引。