【AI Talk】05 也谈 OpenClaw：日记即记忆

今天是初八，在这里祝大家开工大吉。缓解假期综合症的最佳办法就是通过深度思考来给自己换换脑子。这里我就想和大家聊聊春节期间爆火的 OpenClaw，不聊安装不聊配置不聊使用场景，只想聊聊 OpenClaw 的记忆系统。作为一个写了八年日记的人，对于给大模型装上记忆系统，我有一个激进的预测：日记即记忆。

注 1：本文前摇较长，心急的朋友可以直接看最后的结论。

记忆本身的原理，我们现在并不完全了解。如果破解了记忆的奥秘，可能就离我心目中脑科学的皇冠——意识——更近了一步。当然，我不是一个生物学家，无法从生理角度给出专业的猜想，但我是一个工程师，擅长用工程的视角来观察和理解。正如人类飞天的梦想，在流体力学等理论的基础上，通过莱特兄弟的工程方法得以实现。而智能和 AGI 的梦想，也在机器学习几十年的探索中，找到了一条"压缩即智能"的路线。也许记忆的原理，同样能够通过工程的方法，另辟蹊径找到新的突破口。

从去年下半年开始，给大模型装上海马体（也就是记忆）的研究就逐渐多了起来。不严谨地总结一下，主要有三个大的流派：1️⃣ 第一派我称之为 RAG 派，核心思想是通过更强的嵌入、更复杂的检索和召回机制来实现更加精准的记忆。这个流派实际上是把记忆当成了联网搜索，只是不联"互联网"，而是联"人脑网"。2️⃣ 第二派我称之为 Graph 派，核心思想是通过语义的联结来解决 RAG 派不太好解决的记忆内容的关联问题。这个流派让曾经小众的知识图谱相关技术重见天日，不过也有硬伤。3️⃣ 第三派我称之为 Unix 派，核心思想是通过文件夹和文本文件的组织，以关键词和正则为主要检索逻辑来实现记忆系统，强调记忆对于人类用户的可解释性和可操作性。

在 OpenClaw 爆火之前，RAG 派是主流，Graph 派一般靠踩 RAG 派博眼球，而 Unix 派则比较清高，基本不参与讨论。关于 Unix 派的"战绩"，据我不准确的记忆，最初是 OpenAI 推出"记忆"功能、Manus 使用 Markdown 文件来做上下文工程和流程控制，后面则是 Claude Code 通过迭代式的 Claude.md 文件实现不断进化。OpenClaw 爆火之后，大家对其记忆系统开始深入地解析，发现居然是如此"离经叛道"的设计：纯文本 Markdown + 本地优先。

特性	业界主流设计 (如 RAG / Vector DB)	OpenClaw 记忆系统
存储形态	向量嵌入 (Embeddings)，存在向量数据库中。	纯文本 Markdown，存在本地文件系统中。
透明度	黑盒。用户很难直接查看或修改 AI 到底“记住了什么”。	白盒。用户可以用记事本直接打开、编辑、删除记忆。
编辑成本	高。需要重新计算向量并更新数据库索引。	极低。像改文档一样简单，甚至支持 Git 版本管理。
检索方式	主要是语义相似度检索 (Vector Search)。	混合检索：关键词触发 + 语义搜索 + 目录索引。
交互逻辑	被动检索。只有用户提问时才去搜记忆。	主动维护。Agent 会定期自我复盘并重写记忆文件。

从这一点上我就很欣赏 OpenClaw 的技术品味，说实话我是如释重负，爆火的项目如果品味差，是会影响很多人的。我对于架构的理解就是大道至简：复杂的人为设定的机制，很可能是画蛇添足（此处推荐《Unix 编程艺术》一书）。OpenClaw 的记忆系统设计，让我想到了另外一个小众的笔记软件 Obsidian，它的核心思想借鉴了另外一个非常拗口的单词 Zettelkasten（卢曼卡片盒笔记法），我认为是摸到了记忆的工程化精髓。当然，在我看来，目前原教旨的 Zettelkasten 也陷入了误区：过于强调工具属性和"双向链接"，想要通过 Graph（图谱）来解决记忆问题，本质上变成了前面所说的 Graph 派。

注 2：心急的朋友你们好，前方开始结论。

为什么说日记即记忆呢？这是从我实际写了八年日记的经历中，结合对 OpenClaw 记忆系统的理解，自然而然得出的结论。让我们用工程师的视角来拆解一下——日记，其实就是一个天然的 Unix 派记忆系统，完美契合了前面表格里 OpenClaw 设计的所有精髓：

第一，时间维度是天然的索引。 我的日记文件名就是年月（比如 2026年02月流水日记.md），内容本身按日期排列。这就像文件系统的目录树，不需要额外的向量数据库，时间本身就是最高效的索引。当我想找"上一次去巽寮湾是什么时候"，不需要语义搜索，先定位到最近几个命中的文件，再扫一遍，效率极高。这正是 OpenClaw"目录索引"的思路。

第二，精简是自然进化的结果。 刚开始写日记时我也事无巨细，但写了十年后，自然就学会了抓重点——只记那些真正重要的、将来可能会用到的信息。这和 RAG 派追求"更大的嵌入、更复杂的召回"完全相反：好的记忆，不在于记住了多少，而在于该记住的都记住了。这其实就是一种人工的"压缩"，巧了，"压缩即智能"又出现了。

第三，白盒、可编辑、可迭代。 日记是纯文本，我可以用任何编辑器打开，想改就改——忘了记的可以补，记错了的可以修正，事后有新的感悟还可以在旁边批注。更重要的是，我可以主动复盘：年底翻翻年初的日记，把重要的经历提炼、整合，形成新的认知。这就是 OpenClaw"主动维护"机制的雏形——记忆不是静态的存档，而是动态生长的文档。

第四，混合检索最自然。 找"去年包了多少钱红包"这种精确信息，直接用关键词搜索（"红包"）；想不起来具体细节，但记得是"和张三一起吃饭时聊的"，就看上下文语境；想回顾"这一年的成长"，直接按时间线扫一遍。关键词 + 语义 + 时间线，这不就是 OpenClaw 的"混合检索"吗？

最后，可解释、可控制、有温度。 日记是我的，每一个字都是我写的，我完全知道里面有什么、没有什么。不像 RAG 派的黑盒，我根本不知道 AI"记住"了什么、为什么会检索出这段而不是那段。也不像 Graph 派的复杂关联，这种关联人类根本无力维护。活人的掌控感，对于记忆系统来说太重要了。

如果你问我关于大模型的记忆，哪一派会最终胜出，我相信 Unix 派最有可能。如果你问我作为个人现在能做点什么，我会说，开始写日记，写啥都行，因为 日记即记忆。