AI記憶革命爆發！Clawdbot如何像大腦般記住一切

新智元報道

編輯：好困 元宇

【新智元導讀】一個開源AI，能記住你幾個月前的決定、在本地替你跑活、還不受大廠控制：Clawdbot到底是個人助理，還是下一代「賽博打工人」？

Clawdbot太瘋狂了！

你的7×24小時AI員工；

不是智能體，是賺錢機器 ……

2026年初，一個名為Clawdbot的開源個人AI助手，迅速引爆了開源社區和硅谷極客圈。

從技術愛好者到普通用戶，許多人玩Clawdbot都玩瘋了，一開發起來，根本都停不下來。

甚至，還有人把Clawdbot當成了賺錢工具，開始兜售Clawdbot賺錢指南，還不忘販賣一波焦慮：

錯過了Clawdbot浪潮，你將永遠淪為「數字底層」！

Clawdbot被網友稱為「長了手的Claude」或者「7×24在線的賈維斯」，它最大的亮點之一，便是長時記憶和長時任務執行能力。

回想一下你目前是如何使用AI助手的。

你在瀏覽器中打開AI助手，輸入問題，得到回復，然后關閉標簽頁；但當你明天再回來時，又得從頭開始。

它不會記住你昨天討論過的內容，不了解你的偏好、你的項目，也不了解你的工作流程。

你可能會好奇Clawdbot是如何記住那么多東西的，最近AI研究工程師Manthan Gupta就寫了一篇文章來回答這個問題。

他在「Clawdbot如何記住一切」一文中詳細復盤了Clawdbot獨特的記憶機制原理。

與那些跑在云端的ChatGPT或者Claude不一樣，Clawdbot是直接在你本地機器上跑的，而且能直接集成到你已經在用的聊天平臺里，比如Discord、WhatsApp、Telegram等。

最絕的是，Clawdbot能自主處理現實世界的任務：管理郵件、安排日歷、處理航班值機，還能按計劃跑后臺任務。

但真正吸引Manthan Gupta眼球的，是它的持久記憶系統：它能保持全天候的上下文記憶，記住之前的對話，并且能基于過往的互動無限疊加。

相比于ChatGPT和Claude，Clawdbot走了一條完全不同的路子：

它不搞那種基于云端、由大公司控制的記憶，而是把所有東西都留在本地，讓用戶完全掌控自己的上下文和技能。

下面，我們就來跟隨Manthan這篇文章，來深挖一下Clawdbot是怎么運作的。

上下文與記憶

Clawdbot的基本問題定義

如何構建上下文

在聊記憶之前，咱們先得搞清楚模型在處理每個請求時到底看到了什么：

[3] 當前消息

系統提示詞定義了AI智能體有多大能耐以及有什么工具可用。

跟記憶有關的是項目上下文，這包括了注入到每個請求中的、用戶可編輯的Markdown文件：

這些文件跟記憶文件一塊待在AI智能體的工作區里，這就讓整個AI智能體的配置變得完全透明，而且你想改就改。

上下文與記憶的區別

搞清楚上下文和記憶的區別，是理解Clawdbot的基石。

上下文是模型在單次請求里看到的所有東西：

上下文 = 系統提示詞 + 對話歷史 + 工具結果 + 附件

上下文是：

• 轉瞬即逝的：只在這個請求里存在，用完即棄

• 有邊界的：受限于模型的上下文窗口 (比如200Token)

• 昂貴的：每個Token都要算API的錢，還影響速度

記憶是存在硬盤里的東西：

記憶= MEMORY.md + memory/*.md + 會話實錄

記憶是：

• 持久的：重啟、過幾天、過幾個月都在

• 無邊界的：可以無限增長

• 便宜的：存著不花 API 的錢

• 可搜索的：建了索引，支持語義檢索

記憶工具

AI智能體通過兩個專門的工具來查閱記憶：

1. memory_search

目的：在所有文件里把相關的記憶找出來：

}

2. memory_get

目的：找到內容后，把具體內容讀出來

}

返回：

}

寫入記憶

這里沒有專門的memory_write工具。AI智能體想寫記憶，就用它平時寫文件、改文件的那些標準工具。

既然記憶就是純Markdown，你也可以手動去改這些文件（它們會被自動重新索引，很智能）。

具體寫到哪，是由AGENTS.md里的提示詞來控制的：

自動寫入也會在「預壓縮刷新」和會話結束時發生。

記憶存儲

Clawdbot記憶系統的核心原則就是：「記憶就是AI智能體工作區里的純Markdown文件。」

Clawdbot記憶系統如何運作的？

雙層記憶系統

記憶就住在AI智能體的工作區里（默認是~/clawd/）：

    └── ...

第1層：每日日志（memory/YYYY-MM-DD.md）

這些是「只增不減」的每日筆記，AI智能體一整天都會往這里寫東西。

當它想記住點什么，或者你明確告訴它「把這個記下來」的時候，它就寫這。

用戶提了一嘴，他們更喜歡TypeScript而不是JavaScript。

第2層：長期記憶（MEMORY.md）

這是精選過的、持久的知識庫。

當有大事發生、或者有了重要的想法、決定、觀點和經驗教訓時，AI智能體會寫到這里。

- Bob (bob@acme.com) - 后端工程師

AI智能體如何知道要讀記憶

AGENTS.md文件（會自動加載）里寫著指令：

別問許可，直接干就完了。

記憶如何被索引

當你保存一個記憶文件時，后臺是這么運作的：

└─────────────────────────────────────────────────────────────┘

• sqlite-vec是個SQLite擴展，能直接在SQLite里搞向量相似度搜索，不需要外掛一個向量數據庫。

• FTS5是SQLite自帶的全文搜索引擎，負責BM25關鍵字匹配。

這兩者配合起來，Clawdbot就能靠一個輕量級的數據庫文件同時搞定「語義+關鍵字」的混合搜索。

記憶如何被搜索

當你搜記憶的時候，Clawdbot會并行跑兩種搜索策略。

向量搜索（語義）找的是意思相近的內容，而BM25搜索（關鍵字）找的是有精確Token匹配的內容。

結果會按權重打分合并：

finalScore = (0.7 * vectorScore) + (0.3 * textScore)

為何是70/30？

語義相似度是記憶召回的主力，但BM25關鍵字匹配能抓住向量可能會漏掉的精確術語（比如名字、ID、日期）。

分數低于minScore閾值（默認0.35）的結果會被過濾掉。這些值都可以自己配，它可以保證你無論是搜概念（比如「那個數據庫的東西」）還是搜具體細節（比如「POSTGRES_URL」），都能夠搜得準。

多智能體記憶

Clawdbot支持多個AI智能體，而且每個智能體的記憶是完全隔離的：

    └── 2026-01-26.md

Markdown文件（真相的源頭）在每個工作區里，而SQLite索引（衍生數據）在狀態目錄里。

每個AI智能體都有自己的地盤和索引。

內存管理器是靠agentId + workspaceDir來區分的，所以自動跨智能體搜記憶這事是不會發生的。

那AI智能體能讀對方的記憶嗎？

默認不行。

每個AI智能體只能盯著自己的工作區。

不過，工作區只是個軟沙箱（默認工作目錄），不是那種不可逾越的硬邊界。

理論上，除非你開了嚴格的沙箱模式，否則AI智能體是可以用絕對路徑去訪問另一個工作區的。

這種隔離對于區分上下文特別好用。

比如搞個用于WhatsApp的「私人」AI智能體，再搞個用于Slack的「工作」AI智能體，它倆就能有完全不同的記憶和性格。

Clawdbot如何管住上下文

壓縮

每個AI模型都有上下文窗口的上限。

Claude是200KToken，GPT-5.1是1M。

聊得久了，總會撞上這堵墻。

一旦撞墻，Clawdbot就會使出「壓縮」大法：把舊的對話總結成一個精簡的條目，同時保留最近的消息原封不動。

└─────────────────────────────────────────────────────────────┘

自動vs手動壓縮

自動：快到上下文長度限制時觸發

• 你會看到詳細模式下自動壓縮已完成

• 原始請求將使用壓縮后的上下文重試

手動：使用/compact命令

• `/compact`專注于決策和待解決的問題

跟某些優化不一樣，壓縮后的東西是會存到硬盤里的。摘要會被寫進會話的JSONL轉錄文件，所以以后的會話開始時，都能帶著這段被壓縮的歷史。

記憶刷新

基于LLM的壓縮是有損的。重要信息可能會被「總結沒了」。

為了防止這個，Clawdbot用了一招「壓縮前記憶刷新」。

└─────────────────────────────────────────────────────────────┘

這個記憶刷新可以在clawdbot.yaml或clawdbot.json文件里配置。

}

剪枝

工具返回的結果有時候巨大無比。一個exec命令可能吐出50,000個字符的日志。

剪枝就是把這些舊的輸出給修剪掉，但不重寫歷史。這是個有損過程，剪掉的舊輸出就找不回來了。

└─────────────────────────────────────────────────────────────┘

硬盤上的JSONL文件：沒變（完整的輸出還在那）。

Cache-TTL剪枝

Anthropic會把提示詞前綴緩存最多5分鐘，以此來降低重復調用的延遲和成本。

如果你在TTL（生存時間）窗口內發送相同的提示詞前綴，緩存的Token費用能省大概90%。

要是TTL過期了，下個請求就得重新緩存整個提示詞。

問題來了：如果會話閑置時間超過了TTL，下個請求就沒緩存了，必須按全價「緩存寫入」費率重新緩存整個對話歷史。

Cache-TTL剪枝就是為了解決這個問題，它會檢測緩存什么時候過期，并在下個請求之前把舊的工具結果剪掉。

重新緩存的提示詞變小了，成本自然就低了：

}

會話生命周期

會話不會永遠持續。它們會根據可配置的規則進行重置，給記憶創造了天然的邊界。

默認行為是每天重置。不過也有其他模式可選。

會話記憶鉤子

當你運行/new開一個新會話時，會話記憶鉤子能自動保存上下文。

└─────────────────────────────────────────────────────────────┘

總結

Clawdbot的記憶系統之所以能成，是因為它堅持了這么幾個關鍵原則：

• 透明度 > 黑盒

記憶就是純Markdown。你能讀、能改，還能用版本控制管它。沒有什么不透明的數據庫或者專有格式。

• 搜索 > 注入

AI智能體不是把所有東西一股腦塞進上下文，而是去搜相關的。這樣既保持了上下文的專注，又省錢。

• 持久性 > 會話

重要信息以文件的形式存在硬盤上，而不僅僅是活在對話歷史里。壓縮也毀不掉已經存盤的東西。

• 混合 > 純粹

光靠向量搜索會漏掉精確匹配。光靠關鍵字搜索會漏掉語義。混合搜索讓你魚和熊掌兼得。

參考資料：

https://x.com/manthanguptaa/status/2015780646770323543