Part 2: 技术架构
记忆系统
Memory System
记忆是 OpenClaw 区别于普通 Chatbot 的核心能力。四层记忆从不可变的身份内核到实时对话，构建完整的上下文连续性。
四层记忆架构
mermaid
flowchart LR
SOUL["SOUL\n不可变内核"] --> TOOLS["TOOLS\n动态工具"] --> USER["USER\n语义长期记忆"] --> Session["Session\n实时情景"]| 层级 | 存储位置 | 生命周期 | 说明 |
|---|---|---|---|
| SOUL | SOUL.md | 永久不可变 | Agent 的人格、价值观、核心身份定义，创建后不应被修改 |
| TOOLS | Skills + Extensions | 按需加载 | 当前可用的工具和技能列表，随安装和加载动态变化 |
| USER | MEMORY.md + 向量数据库 | 持久化 | 关于用户的偏好、决策、历史事实，支持语义搜索 |
| Session | 内存 + sessions.json | 会话级 | 当前对话的实时上下文，Token 耗尽时被压缩 |
Daily Logs 日志系统
每天的交互记录以 append-only 方式写入 memory/YYYY-MM-DD.md 文件。Session 开始时，Agent 会自动读取今天和昨天的日志，为对话提供连续性上下文。
markdown
# memory/2026-03-08.md
## 10:23 - 用户询问天气
查询了北京天气，回复晴转多云，15-22°C
## 14:05 - 代码审查任务
帮用户审查了 api/routes.ts，发现3个潜在问题...Long-term Memory 持久化存储
MEMORY.md 是可选的持久化文件，存储决策记录、用户偏好和长期事实。关键规则：
- 只在 main/private session 中加载（群组隔离 session 不会看到）
- Agent 可以主动写入，但通常在 Pre-Compaction 时触发
- 格式是纯 Markdown，人类可直接编辑
自动记忆保存 Pre-Compaction
当 Session 接近 token 限制时（默认阈值约 4000 tokens），OpenClaw 触发一个 silent agentic turn：
- 检测阈值 — Session token 用量接近上限，触发 Pre-Compaction 流程
- 静默保存 — Agent 在后台执行一个隐藏 turn，将重要记忆写入
MEMORY.md和 Daily Log - 压缩上下文 — 旧消息被压缩或截断，释放 token 空间。用户看不到这个过程（返回
NO_REPLY）
为什么这很重要？ 这个机制保证了即使对话极长，关键信息也不会随着上下文窗口的滑动而丢失。Claude Code 等工具的会话结束后上下文就消失了，而 OpenClaw 通过文件系统实现了真正的持久记忆。
向量记忆搜索 Semantic Search
OpenClaw 默认启用向量记忆搜索，结合两种检索策略：
| 策略 | 原理 | 擅长 |
|---|---|---|
| Embedding 向量 | 将记忆文本转为向量，计算语义相似度 | 模糊搜索、语义关联（「之前讨论过的那个部署问题」） |
| BM25 关键词 | 传统关键词匹配，TF-IDF 加权 | 精确匹配（具体的文件名、命令、人名） |
底层使用 SQLite-vec 进行向量存储和加速检索。系统会监听记忆文件的变化，以 debounced 方式自动重建索引。
搜索工具：
memory_search：语义搜索，返回约 400 token 的 chunks，适合回忆模糊的上下文memory_get：读取特定记忆文件的全部内容，适合精确查找