跳到主要内容

实验

工作空间记忆研究

目标：Clawd 风格的工作空间 (agents.defaults.workspace，默认 ~/.openclaw/workspace)，其中“记忆”以每天一个 Markdown 文件 (memory/YYYY-MM-DD.md) 加上一小部分稳定文件（例如 memory.md、SOUL.md）的形式存储。本文档提出一种离线优先的记忆架构，该架构保留 Markdown 作为规范、可审查的事实来源，但通过派生索引增加结构化回忆（搜索、实体摘要、置信度更新）。

为何改变？​

当前的设置（每天一个文件）非常适合：

  • “仅追加”式日志记录
  • 人工编辑
  • git 支持的持久性和可审计性
  • 低摩擦捕获（“只需写下来”）

它在以下方面较弱：

  • 高召回率检索（“我们关于 X 的决定是什么？”、“上次我们尝试 Y 是什么时候？”）
  • 以实体为中心的答案（“告诉我关于 Alice / The Castle / warelay 的信息”）而无需重读许多文件
  • 观点/偏好的稳定性（以及其变化时的证据）
  • 时间约束（“2025年11月期间什么是真的？”）和冲突解决

设计目标​

  • 离线：无需网络即可工作；可在笔记本电脑/Castle 上运行；无云依赖。
  • 可解释：检索到的项目应可归因（文件+位置）且可与推理分离。
  • 低仪式感：日常日志记录保持 Markdown 格式，无需繁重的模式工作。
  • 渐进式：仅使用 FTS 的 v1 版本就很有用；语义/向量和图是可选的升级项。
  • 智能体友好：使“在令牌预算内回忆”变得容易（返回少量事实包）。

北极星模型 (Hindsight × Letta)​

需要融合的两个部分：

  1. Letta/MemGPT 风格的控制循环
  • 在上下文中始终保留一个小的“核心”（角色+关键用户事实）
  • 其他所有内容都置于上下文之外，通过工具检索
  • 记忆写入是显式的工具调用（追加/替换/插入），持久化后在下一次交互中重新注入
  1. Hindsight 风格的记忆基底
  • 区分观察到的事实、相信的事实和总结的事实
  • 支持保留/回忆/反思
  • 带有置信度的观点，可随证据演变
  • 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 事实来源 + 派生索引）​

规范存储（git 友好）​

保持 ~/.openclaw/workspace 作为规范的人类可读记忆。建议的工作空间布局：

~/.openclaw/workspace/
  memory.md                    # 小型：持久事实 + 偏好（核心性质）
  memory/
    YYYY-MM-DD.md              # 每日日志（追加；叙述性）
  bank/                        # “类型化”记忆页面（稳定，可审查）
    world.md                   # 关于世界的客观事实
    experience.md              # 智能体所做的事情（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
      ...

说明：

  • 每日日志保持为每日日志。无需将其转换为 JSON。
  • bank/ 中的文件是经过整理的，由反思作业生成，并且仍然可以手动编辑。
  • memory.md 保持“小型 + 核心性质”：你希望 Clawd 在每个会话中看到的内容。

派生存储（机器回忆）​

在工作空间下添加一个派生索引（不一定需要 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 模式
  • 用于词汇回忆的 SQLite FTS5（快速、小巧、离线）
  • 用于语义回忆的可选嵌入表（仍为离线）

索引始终可以从 Markdown 重建。

保留 / 回忆 / 反思（操作循环）​

保留：将每日日志规范化为“事实”​

Hindsight 在此相关的关键见解：存储叙述性、自包含的事实，而非微小的片段。对于 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，这些要点：
    • 是叙述性的（保留跨轮次上下文）
    • 是自包含的（以后能独立理解）
    • 带有类型标签和实体提及

示例：

## Retain
- W @Peter: Currently in Marrakech (Nov 27–Dec 1, 2025) for Andy’s birthday.
- B @warelay: I fixed the Baileys WS crash by wrapping connection.update handlers in try/catch (see memory/2025-11-27.md).
- O(c=0.95) @Peter: Prefers concise replies (<1500 chars) on WhatsApp; long content goes into files.

最小化解析：

  • 类型前缀：W (世界), B (经历/传记), O (观点), S (观察/总结；通常由生成)
  • 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

如果你不希望作者考虑这些：反思作业可以从日志的其余部分推断出这些要点，但拥有显式的 ## Retain 部分是最简单的“质量杠杆”。

回忆：对派生索引进行查询​

回忆应支持：

  • 词汇：“查找确切的术语/名称/命令”（FTS5）
  • 实体：“告诉我关于 X 的信息”（实体页面 + 实体链接的事实）
  • 时间：“11月27日前后发生了什么”/“自上周以来”
  • 观点：“Peter 偏好什么？”（附带置信度 + 证据）

返回格式应智能体友好并引用来源：

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

反思：生成稳定页面 + 更新信念​

反思是一个定时作业（每日或心跳 ultrathink），它：

  • 根据近期事实更新 bank/entities/*.md（实体摘要）
  • 根据强化/矛盾更新 bank/opinions.md 的置信度
  • 可选地提议对 memory.md 进行编辑（“核心性质”的持久事实）

观点演化（简单，可解释）：

  • 每个观点包含：
    • 陈述
    • 置信度 c ∈ [0,1]
    • 最后更新时间
    • 证据链接（支持 + 矛盾的事实 ID）
  • 当新事实到达时：
    • 通过实体重叠 + 相似性（先 FTS，后嵌入）找到候选观点
    • 通过小的增量更新置信度；大的跳跃需要强烈的矛盾 + 重复的证据

CLI 集成：独立 vs 深度集成​

建议：深度集成到 OpenClaw 中，但保留一个可分离的核心库。

为何集成到 OpenClaw？​

  • OpenClaw 已经知道：
    • 工作空间路径 (agents.defaults.workspace)
    • 会话模型 + 心跳
    • 日志记录 + 故障排除模式
  • 你希望智能体本身调用工具：
    • openclaw memory recall "…" --k 25 --since 30d
    • openclaw memory reflect --since 7d

为何仍要拆分一个库？​

  • 保持记忆逻辑无需网关/运行时即可测试
  • 在其他上下文中重用（本地脚本、未来的桌面应用等）

形态：记忆工具旨在成为一个小的 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)：它是一种 ANN 检索方法，通过使用子空间中的学习/结构化碰撞来瞄准强召回率/延迟权衡（论文：arXiv 2411.14754, 2024）。对于 ~/.openclaw/workspace 的实用建议：

  • 不要从 SuCo 开始。
  • 从 SQLite FTS +（可选的）简单嵌入开始；你将立即获得大部分用户体验提升。
  • 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
    • 召回质量受到词汇搜索的显著瓶颈

离线友好的替代方案（按复杂度递增）：

  • SQLite FTS5 + 元数据过滤器（零机器学习）
  • 嵌入 + 暴力搜索（如果块数量少，效果出奇地好）
  • HNSW 索引（常见，稳健；需要一个库绑定）
  • SuCo（研究级；如果有可以嵌入的可靠实现，则很有吸引力）

开放性问题：

  • 对于你机器（笔记本电脑 + 台式机）上的“个人助理记忆”，最佳的离线嵌入模型是什么？
    • 如果你已经有 Ollama：使用本地模型嵌入；否则在工具链中附带一个小型嵌入模型。

最小可用试点​

如果你想要一个最小但仍可用的版本：

  • 添加 bank/ 实体页面和每日日志中的 ## 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才添加嵌入。

参考文献​

  • Letta / MemGPT 概念：“核心记忆块” + “归档记忆” + 工具驱动的自我编辑记忆。
  • Hindsight 技术报告：“保留 / 回忆 / 反思”，四网络记忆，叙述性事实提取，观点置信度演化。
  • SuCo：arXiv 2411.14754 (2024)：“子空间碰撞”近似最近邻检索。

会话绑定通道无关计划模型配置探索