📋 前言

AI Agent 的记忆系统是实现智能对话连续性和个性化服务的关键组件。本文基于 OpenClaw 记忆系统架构，结合业界主流记忆方案（MemOS、阿里云百炼、Hermes 等），为企业级 AI Agent 记忆系统设计提供完整的实践指导。

1. 记忆系统核心架构

1.1 记忆分层模型

一个完整的 AI Agent 记忆系统应该包含以下层次：

┌─────────────────────────────────────────────────────────────┐
│                    应用层 (Application Layer)                │
│  - 对话上下文  - 任务状态  - 用户意图  - 工具调用历史          │
├─────────────────────────────────────────────────────────────┤
│                    短期记忆 (Short-term Memory)              │
│  - 会话历史  - 工作记忆  - 注意力窗口  - 临时缓存             │
│  - 生命周期：单次会话 / 数小时                               │
├─────────────────────────────────────────────────────────────┤
│                    长期记忆 (Long-term Memory)               │
│  - 用户画像  - 偏好设置  - 历史决策  - 知识沉淀               │
│  - 生命周期：持久化 / 数月 - 数年                            │
├─────────────────────────────────────────────────────────────┤
│                    记忆管理 (Memory Management)              │
│  - 编码 (Encoding)  - 存储 (Storage)  - 检索 (Retrieval)     │
│  - 巩固 (Consolidation) - 遗忘 (Forgetting)                  │
└─────────────────────────────────────────────────────────────┘

1.2 记忆操作生命周期

********************************| 阶段 | 描述 | 关键技术 | | — | — | — | | 编码 | 将原始信息转化为可存储格式 | 文本分块、向量化、元数据提取 | | 存储 | 持久化到存储介质 | SQLite、向量数据库、云存储 | | 索引 | 建立检索结构 | 倒排索引、HNSW、IVF-PQ | | 检索 | 根据查询召回相关记忆 | 语义搜索、关键词匹配、混合搜索 | | 重排序 | 对检索结果进行精排 | Cross-Encoder、LLM Rerank | | 融合 | 将记忆注入上下文 | Prompt 工程、上下文窗口管理 | | 巩固 | 将短期记忆转化为长期记忆 | 定期汇总、重要性评分、去重 | | 遗忘 | 清理低价值记忆 | 时间衰减、使用频率、主动删除 |

2. 主流方案对比与选型

2.1 7 大记忆系统方案详解

****************************| 方案 | 类型 | 部署方式 | 核心能力 | 适用场景 | | — | — | — | — | — | | OpenClaw Builtin | 本地记忆引擎 | 本地 | SQLite+FTS5+ 向量搜索 | 个人/小团队，快速启动 | | OpenClaw QMD | 本地记忆引擎 | 本地 | BM25+ 向量+Rerank+Query 扩展 | 需要高质量检索的本地部署 | | OpenClaw Honcho | AI 原生记忆服务 | 本地/云端 | 跨会话记忆、用户建模、多 Agent 感知 | 多会话连续性要求高的场景 | | OpenClaw Memory Wiki | 知识图谱层 | 本地 | 结构化知识、主张追踪、证据链 | 需要可解释知识管理的场景 | | 阿里云百炼记忆库 | 云端记忆 API | 云端 | 自动捕获/召回、用户画像 | 企业级阿里云生态用户 | | MemOS | 开源记忆操作系统 | 本地/自建 | 统一记忆接口、多后端支持 | 需要灵活集成的开发场景 | | Hermes | 研究级记忆架构 | 自建 | 分层记忆、主动巩固、元认知 | 研究/高要求生产环境 |

2.2 详细能力对比

********************************************| 能力维度 | OpenClaw Builtin | QMD | Honcho | 阿里云百炼 | Hermes | | — | — | — | — | — | — | | 向量搜索 | ✅ | ✅ | ✅ | ✅ | ✅ | | 关键词搜索 | ✅ | ✅ | ❌ | ❌ | ✅ | | 混合搜索 | ✅ | ✅ | ❌ | ✅ | ✅ | | Rerank 重排序 | ❌ | ✅ | ❌ | ✅ | ✅ | | Query 扩展 | ❌ | ✅ | ❌ | ✅ | ✅ | | 跨会话记忆 | ⚠️ | ⚠️ | ✅ | ✅ | ✅ | | 用户建模 | ❌ | ❌ | ✅ | ✅ | ✅ | | 多 Agent 感知 | ❌ | ❌ | ✅ | ❌ | ✅ | | 自动巩固 | ✅ | ✅ | ✅ | ✅ | ✅ | | 结构化知识 | ❌ | ❌ | ❌ | ⚠️ | ✅ | | 本地部署 | ✅ | ✅ | ✅ | ❌ | ✅ |

3. OpenClaw 记忆系统深度解析

3.1 记忆引擎架构

┌────────────────────────────────────────────────────────────────────┐
│                        OpenClaw Gateway                            │
├────────────────────────────────────────────────────────────────────┤
│  ┌─────────────────┐  ┌─────────────────┐  ┌─────────────────┐    │
│  │  Active Memory  │  │  Memory Wiki    │  │  Context Engine │    │
│  │   (主动召回)     │  │   (知识图谱)     │  │   (上下文管理)   │    │
│  └────────┬────────┘  └────────┬────────┘  └────────┬────────┘    │
│           │                    │                    │              │
│           └────────────────────┼────────────────────┘              │
│                                │                                   │
│                    ┌───────────▼───────────┐                       │
│                    │    Memory Plugin      │                       │
│                    │    (记忆插件层)        │                       │
│                    └───────────┬───────────┘                       │
│                                │                                   │
│         ┌──────────────────────┼──────────────────────┐           │
│         │                      │                      │           │
│  ┌──────▼──────┐      ┌───────▼───────┐     ┌───────▼───────┐    │
│  │   Builtin   │      │      QMD      │     │    Honcho     │    │
│  │  (SQLite)   │      │   (Sidecar)   │     │   (Service)   │    │
│  └─────────────┘      └───────────────┘     └───────────────┘    │
└────────────────────────────────────────────────────────────────────┘

3.2 核心组件说明

Builtin Memory Engine（默认引擎）

特点：

  • 零配置启动，SQLite 存储

  • 支持 FTS5 全文搜索 + 向量搜索

  • 混合搜索 (Hybrid Search) 结合语义与关键词

  • 支持 CJK 分词 (中文、日文、韩文)

配置示例：

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai",  // 或 gemini/voyage/mistral/ollama/local
      },
    },
  },
}

QMD Memory Engine（高级本地引擎）

特点：

  • 独立 Sidecar 进程，Bun + node-llama-cpp

  • 支持 Rerank 重排序和 Query 扩展

  • 可索引工作区外目录 (项目文档、团队笔记)

  • 支持会话转录索引

配置示例：

{
  memory: {
    backend: "qmd",
    qmd: {
      paths: [{ name: "docs", path: "~/notes", pattern: "**/*.md" }],
      sessions: { enabled: true },
    },
  },
}

Honcho Memory（AI 原生记忆服务）

特点：

  • 跨会话记忆自动持久化

  • 自动用户建模 (偏好、风格、事实)

  • 多 Agent 感知 (父子 Agent 关联)

  • 支持自托管或云端 API

配置示例：

{
  plugins: {
    entries: {
      "openclaw-honcho": {
        config: {
          apiKey: "your-api-key",
          workspaceId: "openclaw",
          baseUrl: "https://api.honcho.dev",
        },
      },
    },
  },
}

Memory Wiki（知识图谱层）

特点：

  • 结构化主张 (Claims) 与证据 (Evidence)

  • 页面级溯源、置信度、矛盾检测

  • 编译摘要供 Agent/运行时消费

  • 支持 Obsidian 集成

配置示例：

{
  plugins: {
    entries: {
      "memory-wiki": {
        enabled: true,
        config: {
          vaultMode: "bridge",
          bridge: { enabled: true },
          render: { createDashboards: true },
        },
      },
    },
  },
}

Active Memory（主动记忆召回）

特点：

  • 在主回复前运行阻塞式记忆子 Agent

  • 自动判断是否需要检索记忆

  • 支持多种查询模式 (message/recent/full)

  • 可配置快速推理模型降低延迟

配置示例：

{
  plugins: {
    entries: {
      "active-memory": {
        enabled: true,
        config: {
          agents: ["main"],
          allowedChatTypes: ["direct"],
          modelFallback: "google/gemini-3-flash",
          queryMode: "recent",
          timeoutMs: 15000,
        },
      },
    },
  },
}

4. Hermes 记忆系统设计优势

4.1 Hermes 核心设计理念

Hermes 是一个研究级记忆系统架构，其核心优势在于：

分层记忆架构

┌─────────────────────────────────────────────────────────────┐
│                    元记忆层 (Meta-Memory)                    │
│  - 记忆质量评估  - 检索策略选择  - 记忆系统自监控              │
├─────────────────────────────────────────────────────────────┤
│                    工作记忆层 (Working Memory)               │
│  - 当前任务上下文  - 注意力焦点  - 临时推理状态                │
├─────────────────────────────────────────────────────────────┤
│                    情景记忆层 (Episodic Memory)              │
│  - 具体事件记录  - 时间戳  - 情境信息  - 对话历史              │
├─────────────────────────────────────────────────────────────┤
│                    语义记忆层 (Semantic Memory)              │
│  - 事实知识  - 概念关系  - 用户画像  - 领域知识                │
├─────────────────────────────────────────────────────────────┤
│                    程序记忆层 (Procedural Memory)            │
│  - 技能  - 工具使用模式  - 最佳实践  - 工作流模板              │
└─────────────────────────────────────────────────────────────┘

主动巩固机制

****************| 机制 | 描述 | 实现方式 | | — | — | — | | 重要性评分 | 评估记忆的价值 | 使用频率 × 情感强度 × 任务相关性 | | 间隔重复 | 定期强化重要记忆 | 基于艾宾浩斯遗忘曲线的调度 | | 睡眠巩固 | 离线时进行记忆整合 | 后台批处理、去重、关联建立 | | 记忆重组 | 建立跨记忆关联 | 图神经网络、知识图谱构建 |

元认知能力

Hermes 具备对自身记忆系统的监控能力：

  • 记忆质量评估：检测矛盾、过时、低置信度记忆

  • 检索策略选择：根据查询类型自动选择最佳检索方式

  • 记忆系统自优化：基于使用反馈调整索引和存储策略

4.2 Hermes vs OpenClaw 能力对比

能力HermesOpenClaw (完整配置)差距分析
分层记忆✅ 5 层⚠️ 3 层OpenClaw 可通过技能扩展
主动巩固✅ 完整✅ Dreaming+Cron功能相当
元认知✅ 内置⚠️ 需技能实现可通过技能实现
多 Agent 感知✅ 内置✅ Honcho功能相当
结构化知识✅ 内置✅ Memory Wiki功能相当
记忆质量评估✅ 内置⚠️ Wiki Lint需增强
检索策略选择✅ 自适应⚠️ 需配置可通过 Active Memory 实现

5. OpenClaw 实现 Hermes 级记忆能力的方案

5.1 方案一：本地 LanceDB + QMD + Memory Wiki（推荐本地部署）

架构：

┌─────────────────────────────────────────────────────────────┐
│                      OpenClaw Gateway                        │
├─────────────────────────────────────────────────────────────┤
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────────────┐  │
│  │   Active    │  │   Memory    │  │    Context Engine   │  │
│  │   Memory    │  │    Wiki     │  │   (Lossless-Claw)   │  │
│  └──────┬──────┘  └──────┬──────┘  └──────────┬──────────┘  │
│         │                │                     │             │
│         └────────────────┼─────────────────────┘             │
│                          │                                   │
│              ┌───────────▼───────────┐                       │
│              │    QMD + LanceDB      │                       │
│              │   (混合检索引擎)       │                       │
│              └───────────────────────┘                       │
└─────────────────────────────────────────────────────────────┘

配置步骤：

# 1. 安装 QMD
npm install -g @tobilu/qmd

# 2. 安装 LanceDB 记忆插件
openclaw plugins install @openclaw/memory-lancedb

# 3. 安装 Memory Wiki
openclaw plugins install memory-wiki

# 4. 安装 Active Memory
openclaw plugins install active-memory

优势：

  • ✅ 完全本地部署，数据隐私可控

  • ✅ 支持 Rerank 和 Query 扩展

  • ✅ 结构化知识管理

  • ✅ 主动记忆召回

劣势：

  • ⚠️ 需要额外维护 LanceDB

  • ⚠️ 元认知能力需额外开发

5.2 方案二：阿里云百炼记忆库（推荐企业用户）

架构：

┌─────────────────────────────────────────────────────────────┐
│                      OpenClaw Gateway                        │
├─────────────────────────────────────────────────────────────┤
│  ┌─────────────────────────────────────────────────────┐    │
│  │        ModelStudio Memory Plugin                    │    │
│  │  - 自动捕获 (Auto Capture)                          │    │
│  │  - 自动召回 (Auto Recall)                           │    │
│  │  - 用户画像 (User Profile)                          │    │
│  └──────────────────────┬──────────────────────────────┘    │
│                         │                                    │
│                         ▼                                    │
│              ┌─────────────────────┐                        │
│              │  阿里云百炼记忆 API   │                        │
│              │  - AddMemory        │                        │
│              │  - SearchMemory     │                        │
│              │  - 云端向量检索      │                        │
│              └─────────────────────┘                        │
└─────────────────────────────────────────────────────────────┘

配置步骤：

# 1. 获取 DashScope API Key
# 访问 https://bailian.console.aliyun.com/cn-beijing?tab=app#/api-key

# 2. 安装记忆插件
openclaw plugins install @modelstudio/modelstudio-memory-for-openclaw

# 3. 配置 openclaw.json

openclaw.json 配置：

{
  plugins: {
    slots: {
      memory: "modelstudio-memory-for-openclaw",
    },
    entries: {
      "modelstudio-memory-for-openclaw": {
        enabled: true,
        config: {
          apiKey: "sk-xxx",
          userId: "user_001",
          autoCapture: true,
          autoRecall: true,
          topK: 5,
          minScore: 0,
        },
      },
    },
  },
}

优势：

  • ✅ 零维护，云端托管

  • ✅ 自动捕获和召回

  • ✅ 企业级 SLA 保障

  • ✅ 与阿里云生态集成

劣势：

  • ⚠️ 数据存储在云端

  • ⚠️ 依赖网络连通性

  • ⚠️ 有 API 调用限制 (3000 次/分钟)

5.3 方案三：OpenClaw 原生增强（快速启动）

架构：

┌─────────────────────────────────────────────────────────────┐
│                      OpenClaw Gateway                        │
├─────────────────────────────────────────────────────────────┤
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────────────┐  │
│  │   Active    │  │   Memory    │  │    Honcho Memory    │  │
│  │   Memory    │  │    Wiki     │  │   (跨会话 + 用户建模)  │  │
│  └──────┬──────┘  └──────┬──────┘  └──────────┬──────────┘  │
│         │                │                     │             │
│         └────────────────┼─────────────────────┘             │
│                          │                                   │
│              ┌───────────▼───────────┐                       │
│              │      QMD Engine       │                       │
│              │   (BM25+ 向量+Rerank)   │                       │
│              └───────────────────────┘                       │
└─────────────────────────────────────────────────────────────┘

配置步骤：

# 1. 安装 QMD
npm install -g @tobilu/qmd

# 2. 安装 Honcho 插件
openclaw plugins install @honcho-ai/openclaw-honcho
openclaw honcho setup

# 3. 安装 Memory Wiki
openclaw plugins install memory-wiki

# 4. 安装 Active Memory
openclaw plugins install active-memory

优势：

  • ✅ 完全基于 OpenClaw 原生能力

  • ✅ 配置简单，文档完善

  • ✅ 社区支持好

劣势：

  • ⚠️ 元认知能力有限

  • ⚠️ 需要 Honcho API 或自托管

6. 企业级部署推荐配置

6.1 推荐方案选择矩阵

********************| 场景 | 推荐方案 | 理由 | | — | — | — | | 个人开发者 | 方案三 (OpenClaw 原生) | 配置简单，零成本启动 | | 小团队 (隐私敏感) | 方案一 (LanceDB+QMD) | 本地部署，数据可控 | | 企业用户 (阿里云) | 方案二 (百炼记忆库) | 企业级 SLA，易维护 | | 定制化开发 | MemOS | 灵活扩展，多后端支持 | | 研究/实验 | 方案一 + 自定义技能 | 完全控制，可实验新算法 |

6.2 生产环境配置建议

性能优化

{
  memory: {
    backend: "qmd",
    citations: "auto",
    qmd: {
      limits: {
        timeoutMs: 120000,
        maxResults: 20,
      },
      updateInterval: "10m",
    },
  },
  plugins: {
    entries: {
      "active-memory": {
        config: {
          timeoutMs: 10000,
          model: "cerebras/gpt-oss-120b",
        },
      },
    },
  },
}

记忆巩固策略

{
  agents: {
    defaults: {
      heartbeat: {
        every: "30m",
        prompt: "Read HEARTBEAT.md. Review recent conversations. Promote important facts to MEMORY.md if needed.",
      },
    },
  },
  plugins: {
    entries: {
      "memory-wiki": {
        config: {
          ingest: {
            autoCompile: true,
            maxConcurrentJobs: 2,
          },
          render: {
            createDashboards: true,
          },
        },
      },
    },
  },
}

6.3 记忆系统运维清单

| --- | --- | --- |
| 记忆索引状态 | 每日 | openclaw memory status |
| 记忆检索延迟 | 每周 | 监控日志中的 search 耗时 |
| 记忆存储增长 | 每周 | 检查~/.openclaw/memory/大小 |
| 巩固任务执行 | 每日 | 查看DREAMS.md更新 |
| Wiki 健康报告 | 每周 | 查看reports/*.md |
| API 配额使用 | 每日 | 云端服务控制台 |


## 7. 总结


AI Agent 记忆系统的设计需要根据具体场景选择合适的方案：
- **本地部署优先**：隐私敏感场景选择 QMD+LanceDB

- **企业级应用**：阿里云百炼记忆库提供 SLA 保障

- **快速启动**：OpenClaw 原生方案配置简单

- **研究实验**：Hermes 架构提供理论指导


无论选择哪种方案，都需要关注记忆的全生命周期管理：编码、存储、检索、巩固和遗忘。只有建立完整的记忆管理体系，才能构建出真正智能、个性化的 AI Agent。
---


## 参考资源

- [OpenClaw 记忆系统文档](https://docs.openclaw.ai/concepts/memory.md)

- [阿里云百炼记忆库文档](https://help.aliyun.com/zh/model-studio/modelstudio-memory-for-openclaw)

- [Honcho Memory 文档](https://docs.honcho.dev)

- [QMD 项目](https://github.com/tobi/qmd)

- [LanceDB 文档](https://lancedb.github.io/lancedb/)


---


**标签**: #OpenClaw #AI 智能体 #记忆系统 #架构设计 #最佳实践

**最后更新**: 2026-04-20 (Asia/Shanghai)
## 核心团队

### 虾小弟


创始人 & 开发者
## 联系我们


有任何问题或建议？欢迎通过以下方式联系我们[
GitHub
](https://github.com/openclaw/openclaw)[
Discord](https://discord.gg/clawd)