Openclaw

OpenClaw是什么

OpenClaw是一个开源的，可以自托管的个人AI助手平台，本质上是一个事件驱动的Agent执行引擎，前面放了一个多渠道的网关

记忆系统

OpenClaw的记忆系统是指其实现的跨会话持久化知识检索机制，总共分为四层：

• Bootstrap Files

  • Bootstrap Files在每次开启新session的时候都会从磁盘进行读取，被注入上下文
  • 其存储目录位于~/.openclaw/workspace目录，包含
    • SOUL.md
    • AGENTS.md
    • USER.md
    • TOOLS.md
    • IDENTITY.md
    • MEMORY.md
    • HEARTBEAT.md
    • BOOTSTRAP.md

• Session Transcript

  • OpenClaw中实现了会话持久化, 整个会话以一个<sessionID>.jsonl的文件格式被持久化到sessions目录

  • 会话的元数据以sessions.json的格式保存

  • 在产生新消息时，会将新消息写入持久化文件
  • 在产生新会话时，会创建新的持久化会话

• Context Window

  本质上是一个固定大小的token容器，大小是由模型决定的

  包含：

  • 系统提示词
  • Bootstrap Files
  • 对话历史
  • 工具调用结果（包括memory_search/memory_get检索到的记忆片段）
  • 当前的用户消息

  当上下文窗口满了之后，会触发compaction

• Retrieval Index

  OpenClaw专门为记忆文件建立了检索机制，Agent会根据用户的查询，自主判断需不需要进行记忆检索

  • 索引范围

    MEMORY.md + memory/**/*.md

  • 索引以sqlite的格式进行存储

  OpenClaw提供了两个记忆工具memory_search和memory_get

  • memory_search

    该工具用于搜索记忆内容，其采用的是BM25 + 语义的双路检索策略，权重分别为0.3, 0.7

    memory_search检索到的是markdown chunk, 其会将检索到的chunk的文件名metadata传递给memory_get工具

  • memory_get

    根据文件名读取完整的文件内容

上下文压缩

OpenClaw的上下文压缩有三种触发时机

• llm API错误

  如果llm返回了上下文过长之类的错误，那么OpenClaw会将上下文进行一次压缩，然后将压缩之后的上下文重试请求

• 阈值维护

  如果当前的上下文窗口token超过阈值，OpwnClaw就会触发压缩操作

  这里的阈值是ContextWindow - reversed

• 手动触发

  用户可以使用/compact命令来进行手动压缩

memory flush

memory fulsh是一种在上下文达到软阈值的时候，所进行的一种记忆持久化操作， 会将当前会话中需要保存的重要信息写入memory

会话 Token 使用情况
┌─────────────────────────────────────────────────────┐
│▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓░░░░░░░░░░░░░░░░░░░░│
│<──────── 已用 Token ────────>│<── 软阈值 ──>│<保留>│
│                              │   (4000)     │      │
│                              ↑                      │
│                        触发 Memory Flush            │
└─────────────────────────────────────────────────────┘

具体过程

• 划分保留区和压缩区

  最近的20000 tokens被划分为保留区，原封不动进行保留，模型看到的就是原文， 保留区之间所有的消息进入压缩区

• 分割压缩区

  把旧压缩区的旧消息按照token的数目划分成若干块

• 逐块总结

  用模型对每个块生成摘要

• 合并摘要

  将多个块的摘要进行合并，合并成一个总的摘要

• 摘要写入

  将摘要写入到sessionID.jsonl文件中，跨会话持久

Q & A

• OpenClaw是什么？

  OpenClaw是一个开源的、可托管的个人AI助手平台，其本质上是一个事件驱动的Agent执行引擎，前面放了一个多渠道的网关。

• OpenClaw的架构是什么？

  其包含三层架构：触发层、网关层、Agent层。

  • 触发层有五种事件源(Messages、HeartBeats, Crons、Hooks, WebHooks)

  • 网关层负责协议切换、认证和路由分发
  • Agent层负责推理(Think)、工具执行(Act)和记忆（Remember)

  其本质上是一个事件驱动的执行管道：事件产生 → 网关路由 → Agent执行 → 状态持久化

• 网关是什么？它的作用是什么

  网关是一个本地常驻的Node.js进程，监听单一端口，同时提供HTTP和WebSocket。他是触发层和Agent层之间的中间层，负责渠道连接管理、协议转换、会话路由、认证鉴权、插件加载以及设备配对。

  网关并不做推理，也不调用LLM，不执行工具，其只要负责“消息到了应该给谁”和“回复应该送回哪里”

• 有哪些消息源/触发源

  • Messages: 用户通过聊天渠道发消息
  • Heartbeats: 固定间隔定时器，让Agent主动唤醒
  • Crons: 用户定义的计划任务（cron表达式)，执行具体的定时任务
  • Hooks: 网关/Agent内部生命周期事件触发的回调
  • WebHooks: 外部系统通过HTTP POST触发

• 为什么OpenClaw能接入各个平台

  因为网关层的Channel Manager把每个渠道封装为一个独立的插件, 每个插件实现统一的接口， 不同渠道的协议被封装在插件内部，对上层的Agent暴露一致的消息接口，加一个新渠道只需要写一个新的插件即可

• OpenClaw的如何组织长短期记忆

  • OpenClaw的短期记忆就是当前会话的对话上下文，包括用户消息，助手回复，工具调用这些内容，全部在上下文窗口内存储

    其容量手模型的上下文窗口限制，当上下文窗口满了之后，会触发压缩机制，保留近20000个token, 更远的记忆被压缩成摘要

  • 长期记忆完全依赖于磁盘上的Markdown文件，分为两种组织方式

    • MEMORY.md

      该文件存储用户偏好，持久性决策，重要事实这些东西，由Agent主动维护和更新，在每次会话启动的时候注入上下文

    • memory/YYYY-MM-DD.md

      其维护的是每日的日志，在会话启动的时候只会读入今天和昨天的内容

  • 长期记忆有着配套的检索机制，系统会对所有的记忆系统建立混合搜索，包括向量语义搜索和BM25关键词搜索, Agent在需要的时候会通过memory_search和memory_get来检索记忆文件，而不是把所有的记忆全部塞进上下文，这样即使记忆文件越积越多，也不会撑爆上下文窗口
  • 两者通过压缩机制进行衔接，当短期记忆快慢的时候，系统会静默提醒Agent将当前对话中重要的内容写入长期记忆文件，然后再做压缩，这样能够保证短期记忆中有用的内容能够持久化到长期记忆，而不会因为压缩而彻底丢失。