工作区内存 v2（离线）：研究笔记

目标： Clawd 风格的工作区（agents.defaults.workspace，默认 ~/.openclaw/workspace），其中"内存"存储为每天一个 Markdown 文件（memory/YYYY-MM-DD.md）加上一小组稳定文件（例如 memory.md、SOUL.md）。

本文档提出了一个离线优先的内存架构，将 Markdown 作为规范的、可审查的真实来源，但通过派生索引添加结构化回忆（搜索、实体摘要、置信度更新）。

为什么要改变？

当前设置（每天一个文件）非常适合：

  • "仅追加"日志记录
  • 人工编辑
  • 基于 git 的持久性 + 可审计性
  • 低摩擦捕获（"直接写下来"）

它的弱点在于：

  • 高召回率检索（"我们对 X 决定了什么？"，"上次我们尝试 Y 时？"）
  • 以实体为中心的答案（"告诉我关于 Alice / The Castle / warelay"）而不重新阅读许多文件
  • 观点/偏好的稳定性（以及当它改变时的证据）
  • 时间约束（"2025 年 11 月期间什么是真实的？"）和冲突解决

设计目标

  • 离线： 无需网络即可工作；可以在笔记本电脑/Castle 上运行；无云依赖
  • 可解释： 检索的项目应该是可归因的（文件 + 位置）并且可与推理分离
  • 低仪式感： 日常日志保持 Markdown，无需繁重的 schema 工作
  • 增量： v1 仅使用 FTS 即可有用；语义/向量和图是可选的升级
  • Agent 友好： 使"在令牌预算内回忆"变得容易（返回小事实束）

北极星模型（Hindsight × Letta）

两个要融合的部分：

Letta/MemGPT 风格的控制循环

  • 在上下文中始终保留一个小的"核心"（persona + 关键用户事实）
  • 其他所有内容都超出上下文，并通过工具检索
  • 内存写入是显式工具调用（append/replace/insert），持久化，然后在下一轮重新注入

Hindsight 风格的内存基底

  • 分离观察到的 vs 相信的 vs 总结的
  • 支持保留/回忆/反思
  • 带置信度的观点，可以随证据演变
  • 实体感知检索 + 时间查询（即使没有完整的知识图谱）

提议的架构（Markdown 真实来源 + 派生索引）

规范存储（git 友好）

将 ~/.openclaw/workspace 作为规范的人类可读内存。

建议的工作区布局：

~/.openclaw/workspace/
  memory.md                # 小：持久事实 + 偏好（核心-ish）
  memory/
    YYYY-MM-DD.md          # 日志（追加；叙述）
  bank/                    # "类型化"内存页面（稳定、可审查）
    world.md               # 关于世界的客观事实
    experience.md          # agent 做了什么（第一人称）
    opinions.md            # 主观偏好/判断 + 置信度 + 证据指针
    entities/
      Peter.md
      The-Castle.md
      warelay.md
      ...

注意事项：

  • 日志保持日志。无需将其转换为 JSON
  • bank/ 文件是经过策划的，由反思作业生成，仍然可以手动编辑
  • memory.md 保持"小 + 核心-ish"：您希望 Clawd 在每个 session 中看到的内容

派生存储（机器回忆）

在工作区下添加派生索引（不一定被 git 跟踪）：

~/.openclaw/workspace/.memory/index.sqlite

支持：

  • 用于事实 + 实体链接 + 观点元数据的 SQLite schema
  • 用于词汇回忆的 SQLite FTS5（快速、微小、离线）
  • 用于语义回忆的可选嵌入表（仍然离线）

索引始终可以从 Markdown 重建。

保留 / 回忆 / 反思（操作循环）

保留：将日志规范化为"事实"

Hindsight 在这里很重要的关键洞察：存储叙述性的、自包含的事实，而不是微小的片段。

memory/YYYY-MM-DD.md 的实用规则：

  • 在一天结束时（或期间），添加一个 ## Retain 部分，包含 2-5 个要点：
    • 叙述性（保留跨轮次上下文）
    • 自包含（独立后仍有意义）
    • 标记类型 + 实体提及

示例：

## Retain
- W @Peter: 目前在马拉喀什（2025 年 11 月 27 日至 12 月 1 日）参加 Andy 的生日。
- B @warelay: 我通过在 try/catch 中包装 connection.update 处理程序修复了 Baileys WS 崩溃（参见 memory/2025-11-27.md）。
- O(c=0.95) @Peter: 在 WhatsApp 上更喜欢简洁的回复（<1500 字符）；长内容放入文件。

最小解析：

  • 类型前缀：W（世界），B（经验/传记），O（观点），S（观察/摘要；通常是生成的）
  • 实体：@Peter、@warelay 等（slug 映射到 bank/entities/*.md）
  • 观点置信度：O(c=0.0..1.0) 可选

如果您不希望作者考虑它：反思作业可以从日志的其余部分推断这些要点，但拥有明确的 ## Retain 部分是最简单的"质量杠杆"。

回忆：对派生索引的查询

回忆应该支持：

  • 词汇： "查找精确术语/名称/命令"（FTS5）
  • 实体： "告诉我关于 X"（实体页面 + 实体链接的事实）
  • 时间： "11 月 27 日左右发生了什么" / "自上周以来"
  • 观点： "Peter 更喜欢什么？"（带置信度 + 证据）

返回格式应该是 agent 友好的并引用来源：

  • kind（world|experience|opinion|observation）
  • timestamp（源日期，或如果存在则提取时间范围）
  • entities（["Peter","warelay"]）
  • content（叙述事实）
  • source（memory/2025-11-27.md#L12 等）

反思：生成稳定页面 + 更新信念

反思是一个计划作业（每日或 heartbeat ultrathink），它：

  • 从最近的事实更新 bank/entities/*.md（实体摘要）
  • 基于强化/矛盾更新 bank/opinions.md 置信度
  • 可选地对 memory.md 提出编辑（"核心-ish"持久事实）

观点演变（简单、可解释）：

  • 每个观点都有：

    • 陈述
    • 置信度 c ∈ [0,1]
    • last_updated
    • 证据链接（支持 + 矛盾事实 ID）

  • 当新事实到达时：

    • 通过实体重叠 + 相似性查找候选观点（首先是 FTS，稍后是嵌入）
    • 通过小增量更新置信度；大跳跃需要强烈矛盾 + 重复证据

CLI 集成：独立 vs 深度集成

建议：在 OpenClaw 中深度集成，但保留可分离的核心库。

为什么要集成到 OpenClaw？

  • OpenClaw 已经知道：

    • 工作区路径（agents.defaults.workspace）
    • session 模型 + heartbeat
    • 日志记录 + 故障排除模式

  • 您希望 agent 本身调用工具：

    • openclaw memory recall "…" --k 25 --since 30d
    • openclaw memory reflect --since 7d

为什么仍然拆分库？

  • 使内存逻辑可测试，无需 gateway/runtime
  • 从其他上下文重用（本地脚本、未来的桌面应用等）

形状：内存工具旨在成为一个小型 CLI + 库层，但这仅是探索性的。

"S-Collide" / SuCo：何时使用它（研究）

如果"S-Collide"指的是 SuCo（Subspace Collision）：这是一种 ANN 检索方法，通过在子空间中使用学习/结构化碰撞来定位强召回/延迟权衡（论文：arXiv 2411.14754，2024）。

对 ~/.openclaw/workspace 的务实看法：

  • 不要从 SuCo 开始
  • 从 SQLite FTS + （可选）简单嵌入开始；您将立即获得大部分 UX 胜利
  • 仅在以下情况下考虑 SuCo/HNSW/ScaNN 类解决方案：
    • 语料库很大（数万/数十万个块）
    • 暴力嵌入搜索变得太慢
    • 召回质量明显受词汇搜索瓶颈

离线友好的替代方案（复杂性递增）：

  1. SQLite FTS5 + 元数据过滤器（零 ML）
  2. 嵌入 + 暴力（如果块计数低，效果出奇地好）
  3. HNSW 索引（常见、稳健；需要库绑定）
  4. SuCo（研究级；如果有可以嵌入的可靠实现，则很有吸引力）

待解决的问题：

  • 在您的机器（笔记本电脑 + 台式机）上，用于"个人助理内存"的最佳离线嵌入模型是什么？
  • 如果您已经有 Ollama：使用本地模型嵌入；否则在工具链中提供一个小型嵌入模型

最小可用试点

如果您想要一个最小但仍然有用的版本：

  • 在日志中添加 bank/ 实体页面和一个 ## Retain 部分
  • 使用 SQLite FTS 进行带引用的回忆（路径 + 行号）
  • 仅在召回质量或规模需要时添加嵌入

参考资料

  • Letta / MemGPT 概念： "核心内存块" + "档案内存" + 工具驱动的自编辑内存
  • Hindsight 技术报告： "保留 / 回忆 / 反思"，四网络内存，叙述事实提取，观点置信度演变
  • SuCo： arXiv 2411.14754（2024）："子空间碰撞"近似最近邻检索
← 返回文档首页