Markdown 文件记忆系统

这是一个带本地向量搜索的 AI 助手记忆系统，基于 Markdown 文件 + SQLite 实现。

目录结构

~/.openclaw/workspace/
├── memory/
│   └── YYYY-MM-DD.md      # 每日记录
├── MEMORY.md               # 长期记忆（核心认知）
├── SOUL.md                 # AI 人格定义
├── USER.md                 # 用户信息
├── AGENTS.md               # 工作规范
└── scripts/memory-system/  # 记忆系统脚本

核心文件

1. memory/YYYY-MM-DD.md - 每日记录

每次会话记录当天发生的事：

# 2026-03-09

## 会话 1
- 主题：xxx
- 关键决策：xxx
- 待办：xxx

## 会话 2
- ...

2. MEMORY.md - 长期记忆

核心认知和重要信息，包含：

• 核心工作原则
• 用户偏好
• 关键教训
• 禁止事项
• 习惯

向量搜索

使用本地 Ollama + nomic-embed-text 模型实现向量语义搜索。

安装 Ollama 和模型

# 安装 Ollama
brew install ollama

# 启动服务
ollama serve

# 下载 embedding 模型
ollama pull nomic-embed-text

搜索命令

# 使用 Python 脚本搜索（推荐）
python3 ~/.openclaw/workspace/scripts/memory-system/context-memory.py search "关键词"

# 简单搜索
python3 ~/.openclaw/workspace/scripts/memory-system/memory-py.py search "关键词"

会话启动流程

每次新会话开始时：

1. 读取 SOUL.md — AI 人格
2. 读取 USER.md — 用户信息
3. 读取 memory/YYYY-MM-DD.md (今天 + 昨天)
4. 主会话：读取 MEMORY.md
5. 检查 knowledge/ 目录

保存记忆

当用户说"记住..."：

• 更新 memory/YYYY-MM-DD.md 记录
• 重要内容同步到 MEMORY.md
• 可选：存入向量数据库

# 添加记忆（带重要性评分）
python3 ~/.openclaw/workspace/scripts/memory-system/context-memory.py add "内容" 8

# 添加标签
python3 ~/.openclaw/workspace/scripts/memory-system/memory-py.py add "内容" "标签1,标签2"

更新规则

必须更新的文件

1. memory/YYYY-MM-DD.md - 每次会话
2. MEMORY.md - 新教训/重要信息
3. SOUL.md - 人格变化
4. USER.md - 用户偏好变化

更新时机

• 任务完成时
• 重要发现或教训
• 用户偏好变化
• 新技能学习

安全规则

• ❌ 不暴露用户个人信息
• ❌ 不在 skill 输出中包含真实姓名/账号/密码
• ❌ 不在公开场合提及用户隐私
• ✅ 需要时才读取 MEMORY.md
• ✅ 主会话才加载 MEMORY.md

配置示例

在 AGENTS.md 中添加：

## Memory

### 每日记录 (memory/YYYY-MM-DD.md)
- 每次会话记录关键内容
- 格式：## 会话 X / ### 主题 / 决策 / 待办

### 长期记忆 (MEMORY.md)
- 核心原则和偏好
- 重要教训
- 禁止事项
- 仅主会话加载

### 向量搜索
- 模型：Ollama + nomic-embed-text
- 脚本：context-memory.py

优势

特点	说明
本地向量	无 API 费用，离线可用
语义搜索	理解相似含义，不只是关键词
可读	Markdown 人工可直接编辑
便携	文件复制即迁移
安全	本地存储，不上传云端

依赖

• Ollama: 本地 LLM 运行时
• nomic-embed-text: 本地 embedding 模型 (274MB)
• Python 3: 运行脚本
• SQLite: 向量存储

快速开始

# 1. 安装 Ollama
brew install ollama

# 2. 启动并下载模型
ollama serve
ollama pull nomic-embed-text

# 3. 初始化数据库
python3 ~/.openclaw/workspace/scripts/memory-system/context-memory.py init

# 4. 添加记忆
python3 ~/.openclaw/workspace/scripts/memory-system/context-memory.py add "用户偏好使用 Gemini" 8

# 5. 搜索记忆
python3 ~/.openclaw/workspace/scripts/memory-system/context-memory.py search "模型偏好"