8.4 KiB
让AI拥有"记忆"：OpenClaw + Self-Improving 每日复盘实战
AI记不住，才是最大的问题
我用AI agent已经有一段时间了。一个最让我头疼的问题不是"AI回答质量差"，而是：AI每次对话都是一张白纸。
昨天我跟它说过"这个问题不要用A方法"，今天它照常用。上一周我教会它的一个工作流，下周一它完全忘了。听起来很蠢对吧？但这就是大多数AI agent的现状——没有记忆，只有上下文窗口。
所以我花了点时间，给我的AI agent搭了一套"记忆系统"。用了两个月，效果超出预期。今天分享一下我的做法。
核心思路：双层记忆架构
我的方案不是什么黑科技，思路很简单：短期记忆 + 长期记忆。
短期记忆层是每天的对话记录文件（memory/YYYY-MM-DD.md）。每天结束，agent自动把当天的操作、遇到的问题、未完成的事项写进这个文件。第二天启动时，agent先读这个文件，接上昨天的工作。
长期记忆层是 memory-lancedb-pro（基于 LanceDB 的向量数据库）。重要的决策、用户偏好、反复使用的流程，直接存进去。下次需要的时候，agent通过语义搜索找回来，而不是靠"记性好不好"。
两层各司其职：每日文件管"上下文"，向量数据库管"知识"。
每日复盘：23:00的定时任务
我给每个agent都设置了每天23:00（北京时间）自动执行复盘。通过 OpenClaw 的 cron 任务实现，每个agent独立运行自己的复盘流程。
复盘做的事情很直接：
- 读取当天的 memory 文件
- 回顾当天的对话记录
- 提炼 learnings（学到了什么、踩了什么坑、下一步怎么做）
- 把有价值的经验更新到长期记忆（LanceDB）
从AGENTS.md设计一个"懂行"的agent
光有记忆系统不够，agent的行为规范也很重要。我在每个agent的 AGENTS.md 里定义了几件事：
角色定位：每个agent是干什么的。比如星辉负责日程、邮件、提醒、任务管理；星曜负责基础设施和服务器运维。职责清晰，边界明确。
行为准则：优先级、确认流程、什么不该做。比如所有外部操作（发邮件、对外通信）必须经过用户确认才能执行；收到心跳（heartbeat）时不要每次都回复"HEARTBEAT_OK"，而是真正去做检查。
工具映射：用户说"帮我发邮件"，agent知道调用 agentmail 而不是瞎猜。这个映射表让我可以随时调整工具实现，而不需要改agent的行为描述。
有了这份文档，新agent启动时就能快速了解"我是谁"、"我该做什么"、"我用什么工具"。
真实案例：记忆如何改变了agent的行为
下面从我真实的使用日志里摘几个例子，来看记忆系统到底怎么work的。
案例一：同一个坑踩了两次，但第二次快速修好了
我给所有agent配置了Telegram通知。创建cron任务时，需要指定 --to 5038825565（我的chat ID）。
第一次，星辉踩坑了：我在delivery配置里用了 --to user:5038825565，结果Telegram报错"chat ID must be numeric"。当时我不知道为什么，折腾了一阵才找到原因。
如果没有记忆：一周后我再创建另一个cron任务，大概率会再踩一次同样的坑。
有了记忆之后：我把这个错误记进了LEARNINGS.md，标注了正确写法"用纯数字，不用user:前缀"。一周后我让星辉再建一个cron任务，它直接去记忆里查，一分钟搞定，没有再踩坑。
这就是"fact层记忆"的作用——存住事实，下次遇到秒级解决。
案例二：装了一个工具，但OAuth还没授权完成
3月27日，星辉安装了 gog（Google Workspace CLI）这个技能。装完了我让它去查日历，它说还没授权。
如果没有记忆：下次我让它用gog，它可能再次尝试直接使用，然后再次失败，我再去找解决方法。一来一回好几次。
有了记忆之后：星辉把"gog已安装，OAuth未完成授权"记进了当天的复盘笔记。第二天我让它用gog，它直接说"gog需要先完成OAuth授权，请执行 gog auth add"——不需要我重新解释背景。
这就是"workflow记忆"的作用——记住当前状态，避免重复确认。
案例三：所有cron任务加前缀，改了一次，全部生效
3月26日，我决定给所有cron任务名称加上agent的中文名作为前缀，比如[星辉]每日复盘、[星曜]服务检查，这样在日历里一眼就能区分是谁的任务。
手动一个个改太麻烦了。我让星辉去批量更新。
如果没有记忆：下次新建cron任务时，它可能又忘了加前缀，我需要再次提醒。
有了记忆之后：星辉把"cron任务命名规范：加[]中文前缀"记进了LEARNINGS.md。之后所有新建的任务，星辉自动遵循这个规范，不需要我再说一遍。
这就是"decision层记忆"的作用——记住决策原则，让规范自动执行。
案例四：备份脚本跑成功了，但传输到NAS那步忘了
3月27日，星辉执行每日Obsidian备份。它成功打包了文件，但传输到NAS那步忘了——因为那步是手动执行的，不在脚本里。
如果没有记忆：第二天它继续跑备份，打包继续成功，传输继续忘。周而复始。
有了记忆之后：星辉在复盘里记录了这次执行结果。第二天它跑备份时，主动检查了上一条记录，发现"传输那步容易漏"，这次就记住了。
这就是每日复盘的价值——不是记流水账，而是主动发现流程漏洞并修复。
案例五：密码存在哪了？
3月31日，星辉需要用 gog 访问Google Calendar。但gog的认证信息存在Macmini的Keychain里，需要先解锁。我把密码存在了记忆里。
之后任何需要用到这个密码的场景，星辉直接去记忆里查，不再需要我问"那个Keychain密码是什么来着"。
这就是长期记忆的作用——存住那些不常用但重要的信息。
实战技巧：让这套系统真正work
说几个真正管用的经验：
定时任务一定要配置Telegram通知。OpenClaw cron任务的 delivery.channel 必须设为 "telegram"，这样任务执行完了我能在Telegram收到通知，知道哪个任务成功了、哪个出了问题。之前没配这个，有几个任务失败了半个月我都不知道。
每天第一次对话时检查记忆文件。Session启动时，agent自动检查今天的memory文件是否存在，不存在就创建一个。这个小小的routine省去了很多"你还记得上周说的那件事吗"的尴尬。
遇到工具失败先查记忆再重试。这是agent行为准则里的一条铁律：任何工具失败，先用 memory_recall 搜一下之前有没有遇到过、怎么解决的，再决定要不要重试。减少重复踩坑。
经验要存两条：一条存"事实层"（问题原因是什么、怎么修复），一条存"决策层"（以后遇到什么情况该怎么做）。前者帮我快速定位问题，后者帮我做出更好的选择。
效果如何？
用了两个月，我最直接的感受是：agent真正开始"认识"我了。
它知道我默认用163邮箱发件、知道遇到服务器问题先SSH进服务器看看日志而不是慌、知道每次创建cron任务要加agent中文名前缀、知道gog需要OAuth授权才能用。它不再每次都问我重复的问题，也不再在我提到"那个任务"时一脸茫然。
错误率也下来了。以前同一个坑踩两三次是常态，现在agent能从记忆里找到之前的解决方案，第一次就能做对。
这套方案适合你吗？
说实话，如果你只是偶尔用一下AI聊天，这套系统 overkill。但如果你像我一样，同时运行多个agent、有固定的日常工作流、需要AI真正帮你做事情，这套双层记忆 + 每日复盘的方案值得一试。
核心不是技术有多复杂，而是习惯：每天复盘、每次踩坑都记录、重要决策同步到长期记忆。做到了这些，AI agent就不再是"每次都要重新教"的工具，而是真正有记忆的助手。
这套系统运行在我的 Mac Mini（中央控制节点）上，通过 OpenClaw 管理多个agent协同工作。如果你也在用OpenClaw，欢迎交流。