ahel
Start free

精英长期记忆系统 🧠

SkillSearch

The ultimate AI Agent memory system for Cursor, Claude, ChatGPT, and Copilot. WAL protocol + vector search + Git Notes + cloud backup. Never lose context — built for Vibe-coding.

Available today. Use it from your connected AI after setup.

Connect ahel once, and every AI you use reads what you have installed.

Then ask your AI: use the 精英长期记忆系统 🧠 skill

What this skill tells your AI

The instructions your AI receives, as published by l-lesteryu/openclaw-hot-skills-zh in skills/elite-longterm-memory-zh/SKILL.md and read by ahel’s review.

终极 AI Agent 记忆系统。 将 6 种经过验证的方法整合为一个坚不可摧的架构。

永不丢失上下文。永不遗忘决策。永不再犯同样错误。

架构概览

┌─────────────────────────────────────────────────────────────────┐
│                    精英长期记忆系统                              │
├─────────────────────────────────────────────────────────────────┤
│                                                                 │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐             │
│  │   热内存    │  │   温存储    │  │   冷存储    │             │
│  │             │  │             │  │             │             │
│  │ SESSION-    │  │  LanceDB    │  │  Git-Notes  │             │
│  │ STATE.md    │  │  向量搜索   │  │  知识图谱   │             │
│  │             │  │             │  │             │             │
│  │ (在压缩中   │  │ (语义搜索)  │  │ (永久决策)  │             │
│  │  存活)      │  │             │  │             │             │
│  └─────────────┘  └─────────────┘  └─────────────┘             │
│         │                │                │                     │
│         └────────────────┼────────────────┘                     │
│                          ▼                                      │
│                  ┌─────────────┐                                │
│                  │  MEMORY.md  │  ← 精选长期记忆                │
│                  │  + daily/   │    (人类可读)                  │
│                  └─────────────┘                                │
│                          │                                      │
│                          ▼                                      │
│                  ┌─────────────┐                                │
│                  │ SuperMemory │  ← 云备份（可选）              │
│                  │    API      │                                │
│                  └─────────────┘                                │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

5 层记忆架构

第 1 层：热内存 (SESSION-STATE.md)

来源：bulletproof-memory

在压缩中存活的活跃工作记忆。预写日志（WAL）协议。

# SESSION-STATE.md — 活跃工作记忆

## 当前任务
[我们现在正在做什么]

## 关键上下文
- 用户偏好：...
- 已做决策：...
- 阻塞问题：...

## 待处理操作
- [ ] ...

规则： 在响应之前写入。由用户输入触发，而非 Agent 记忆。

第 2 层：温存储 (LanceDB 向量)

来源：lancedb-memory

跨所有记忆的语义搜索。自动召回注入相关上下文。

# 自动召回（自动发生）
memory_recall query="项目状态" limit=5

# 手动存储
memory_store text="用户偏好深色模式" category="preference" importance=0.9

第 3 层：冷存储 (Git-Notes 知识图谱)

来源：git-notes-memory

结构化的决策、学习内容和上下文。支持分支感知。

# 存储决策（静默执行 - 永不宣布）
python3 memory.py -p $DIR remember '{"type":"decision","content":"使用 React 作为前端"}' -t tech -i h

# 获取上下文
python3 memory.py -p $DIR get "前端"

第 4 层：精选归档 (MEMORY.md + daily/)

来源：OpenClaw 原生

人类可读的长期记忆。每日日志 + 精炼智慧。

workspace/
├── MEMORY.md              # 精选长期记忆（精华内容）
└── memory/
    ├── 2026-01-30.md      # 每日日志
    ├── 2026-01-29.md
    └── topics/            # 主题特定文件

第 5 层：云备份 (SuperMemory) — 可选

来源：supermemory

跨设备同步。与知识库对话。

export SUPERMEMORY_API_KEY="your-key"
supermemory add "重要上下文"
supermemory search "我们关于...决定了什么"

第 6 层：自动提取 (Mem0) — 推荐

新增：自动事实提取

Mem0 自动从对话中提取事实。减少 80% token 使用。

npm install mem0ai
export MEM0_API_KEY="your-key"

const { MemoryClient } = require('mem0ai');
const client = new MemoryClient({ apiKey: process.env.MEM0_API_KEY });

// 对话自动提取事实
await client.add(messages, { user_id: "user123" });

// 获取相关记忆
const memories = await client.search(query, { user_id: "user123" });

优势：

  • 自动提取偏好、决策、事实
  • 去重并更新现有记忆
  • 相比原始历史减少 80% token
  • 跨会话自动工作

快速设置

1. 创建 SESSION-STATE.md（热内存）

cat > SESSION-STATE.md << 'EOF'
# SESSION-STATE.md — 活跃工作记忆

此文件是 Agent 的 "RAM" — 在压缩、重启、分心中存活。

## 当前任务
[无]

## 关键上下文
[暂无]

## 待处理操作
- [ ] 无

## 最近决策
[暂无]

---
*最后更新：[时间戳]*
EOF

2. 启用 LanceDB（温存储）

在 ~/.openclaw/openclaw.json 中：

{
  "memorySearch": {
    "enabled": true,
    "provider": "openai",
    "sources": ["memory"],
    "minScore": 0.3,
    "maxResults": 10
  },
  "plugins": {
    "entries": {
      "memory-lancedb": {
        "enabled": true,
        "config": {
          "autoCapture": false,
          "autoRecall": true,
          "captureCategories": ["preference", "decision", "fact"],
          "minImportance": 0.7
        }
      }
    }
  }
}

3. 初始化 Git-Notes（冷存储）

cd ~/clawd
git init  # 如果尚未初始化
python3 skills/git-notes-memory/memory.py -p . sync --start

4. 验证 MEMORY.md 结构

# 确保你有：
# - 工作区根目录下的 MEMORY.md
# - 用于每日日志的 memory/ 文件夹
mkdir -p memory

5. （可选）设置 SuperMemory

export SUPERMEMORY_API_KEY="your-key"
# 添加到 ~/.zshrc 以持久化

Agent 指令

会话开始时

  1. 读取 SESSION-STATE.md — 这是你的热上下文
  2. 运行 memory_search 获取相关的先前上下文
  3. 检查 memory/YYYY-MM-DD.md 查看最近活动

对话过程中

  1. 用户给出具体细节？ → 在响应之前写入 SESSION-STATE.md
  2. 做出重要决策？ → 存储到 Git-Notes（静默执行）
  3. 表达了偏好？ → memory_store 并设置 importance=0.9

会话结束时

  1. 用最终状态更新 SESSION-STATE.md
  2. 将重要条目移至 MEMORY.md（如果值得长期保留）
  3. 在 memory/YYYY-MM-DD.md 中创建/更新每日日志

记忆维护（每周）

  1. 审查 SESSION-STATE.md — 归档已完成的任务
  2. 检查 LanceDB 中的垃圾：memory_recall query="*" limit=50
  3. 清除不相关的向量：memory_forget id=<id>
  4. 将每日日志整合到 MEMORY.md

WAL 协议（关键）

预写日志（Write-Ahead Log）： 在响应之前写入状态，而非之后。

触发条件动作
用户陈述偏好写入 SESSION-STATE.md → 然后响应
用户做出决策写入 SESSION-STATE.md → 然后响应
用户给出截止日期写入 SESSION-STATE.md → 然后响应
用户纠正你写入 SESSION-STATE.md → 然后响应

为什么？ 如果你先响应，在保存之前崩溃/压缩，上下文就会丢失。WAL 确保持久性。

示例工作流

用户：这个项目我们用 Tailwind，不用原生 CSS

Agent（内部）：
1. 写入 SESSION-STATE.md："决策：使用 Tailwind，不用原生 CSS"
2. 存储到 Git-Notes：关于 CSS 框架的决策
3. memory_store："用户偏好 Tailwind 而非原生 CSS" importance=0.9
4. 然后响应："明白了 — 就用 Tailwind..."

维护命令

# 审计向量记忆
memory_recall query="*" limit=50

# 清除所有向量（核选项）
rm -rf ~/.openclaw/memory/lancedb/
openclaw gateway restart

# 导出 Git-Notes
python3 memory.py -p . export --format json > memories.json

# 检查记忆健康状态
du -sh ~/.openclaw/memory/
wc -l MEMORY.md
ls -la memory/

为什么记忆会失败

理解根本原因有助于修复它们：

失败模式原因解决方案
忘记一切memory_search 未启用启用 + 添加 OpenAI 密钥
文件未加载Agent 跳过读取记忆添加到 AGENTS.md 规则
事实未捕获无自动提取使用 Mem0 或手动记录
子 Agent 隔离不继承上下文在任务提示中传递上下文
重犯错误教训未记录写入 memory/lessons.md

解决方案（按难度排序）

1. 快速方案：启用 memory_search

如果你有 OpenAI 密钥，启用语义搜索：

openclaw configure --section web

这会启用对 MEMORY.md + memory/*.md 文件的向量搜索。

2. 推荐：Mem0 集成

从对话中自动提取事实。减少 80% token。

npm install mem0ai

const { MemoryClient } = require('mem0ai');

const client = new MemoryClient({ apiKey: process.env.MEM0_API_KEY });

// 自动提取和存储
await client.add([
  { role: "user", content: "我偏好 Tailwind 而非原生 CSS" }
], { user_id: "ty" });

// 获取相关记忆
const memories = await client.search("CSS 偏好", { user_id: "ty" });

3. 更好的文件结构（无依赖）

memory/
├── projects/
│   ├── strykr.md
│   └── taska.md
├── people/
│   └── contacts.md
├── decisions/
│   └── 2026-01.md
├── lessons/
│   └── mistakes.md
└── preferences.md

保持 MEMORY.md 作为摘要（<5KB），链接到详细文件。

立即修复清单

问题解决方案
忘记偏好在 MEMORY.md 中添加 ## 偏好 部分
重犯错误将每个错误记录到 memory/lessons.md
子 Agent 缺乏上下文在 spawn 任务提示中包含关键上下文
忘记最近的工作严格的每日文件纪律
记忆搜索不工作检查 OPENAI_API_KEY 是否已设置

故障排除

Agent 在对话中一直遗忘： → SESSION-STATE.md 未被更新。检查 WAL 协议。

注入了不相关的记忆： → 禁用 autoCapture，提高 minImportance 阈值。

记忆太大，召回缓慢： → 运行维护：清除旧向量，归档每日日志。

Git-Notes 未持久化： → 运行 git notes push 与远程同步。

memory_search 无返回： → 检查 OpenAI API 密钥：echo $OPENAI_API_KEY → 验证 openclaw.json 中 memorySearch 已启用

链接

由 @NextXFrontier 构建 — Next Frontier AI 工具集的一部分

Signals

GitHub stars
54
Forks
8
Last commit
Apr 2026
Advanced
Catalog kind
skill
Gateway key
elite-longterm-memory-zh
Source
github.com/l-lesteryu/openclaw-hot-skills-zh

github.com/l-lesteryu/openclaw-hot-skills-zh

More in Search

azure-ai
Skill · microsoftflags
Skill · verceldashboard
Skill · nexu-ioexa-search
Skill · affaan-madding-mcp-store-servers
Skill · posthoglark-im
Skill · larksuite