智能体记忆系统指南

agent-memory-system-guide

by cjke84

An Agent long-term memory guide for OpenClaw, Codex, and Obsidian workflows. Covers MEMORY.md, daily notes, session recovery, memory distillation, and optional OpenViking support.

4.5k效率与工作流未扫描2026年3月23日

安装

claude skill add --url github.com/openclaw/skills/tree/main/skills/cjke84/agent-memory-system-guide

文档

Agent Memory System Guide

🧠 An Agent long-term memory guide for OpenClaw, Codex, and Obsidian. Use a minimal MEMORY.md, daily notes, and archive flow to get started first, then distill and refine over time.

触发词

记忆系统memory-setup搭建记忆记忆架构

5 分钟快速上手

如果你赶时间,只做三步:

第一步:创建 MEMORY.md

markdown
# MEMORY.md

> 长期记忆。只保留会持续影响协作的事实、偏好和决策。

## User

- Preferred name: K
- Timezone: Asia/Shanghai

## 当前任务

- [ ] 正在做的事

## 决策记录

- YYYY-MM-DD: 决策内容 + 原因

## 踩坑记录

- 问题 → 解决方案

第二步:创建每日笔记

markdown
# memory/2026-03-20.md

## 完成
- 分析了网宿科技

## 决策
- 暂不加仓

## 踩坑
- (无)

## 待办
- [ ] 明天要做什么

第三步:从模板创建 SESSION-STATE.mdworking-buffer.md

markdown
# SESSION-STATE.md

## 当前任务
- 任务名称

## 已完成
- ...

## 卡点
- ...

## 下一步
- ...

## 恢复信息
- 最近一次有效上下文:...
markdown
# working-buffer.md

## 进行中
- ...

## 临时决策
- ...

## 未完成
- ...

(可选)归档到 Obsidian 时使用笔记模板

当你需要把稳定知识写入 Obsidian vault 时,可以使用仓库提供的模板:

  • templates/OBSIDIAN-NOTE.md:带 frontmatter、wikilink、embeds 的笔记骨架

第四步:每次对话开始时

text
先读 SESSION-STATE.md,再读最近 1-3 天 daily notes,最后才做 memory_search。
memory_search(query="相关关键词")

核心架构(三层模型)

  • MEMORY.md:长期记忆,精炼保存
  • memory/YYYY-MM-DD.md:每日原始记录
  • SESSION-STATE.md:当前任务真相来源
  • working-buffer.md:短期工作缓冲
  • templates/SESSION-STATE.md:恢复状态模板
  • templates/working-buffer.md:工作缓冲模板
  • templates/OBSIDIAN-NOTE.md:Obsidian 笔记模板(frontmatter / links / embeds)
  • Obsidian:长期归档与备份

Obsidian 原生约定(frontmatter / Dataview / wikilink / backlinks / embeds / attachments)

当你把稳定知识写入 Obsidian 时,建议遵循下面这些约定,保证可检索、可回链、可复用。

frontmatter

  • 用 YAML frontmatter 固定结构化字段,便于后续查询、筛选、聚合
  • 推荐字段见 templates/OBSIDIAN-NOTE.md,核心是:typestatustagsrelated

Dataview

如果你使用 Dataview 插件,可以直接用 frontmatter 做查询,例如:

text
TABLE type, status, tags, related
FROM "memory"
WHERE status != "archived"
SORT updated desc

wikilink / backlinks

  • 内部引用优先使用 wikilink:[[SESSION-STATE]][[MEMORY]][[2026-03-21]]
  • 同一概念尽量用同一标题或 aliases,backlinks 才会稳定聚合到一起

embeds / attachments

  • 图片:本地资源优先用 ![[image.png]],远程资源保留 ![alt](https://...)
  • 引用证据:用 block quote,或用 block embeds ![[note#^block-id]] 复用证据段
  • attachments 建议放在 vault 内可管理的位置(例如 attachments/),避免链接失效

启动与结束顺序

  • 启动时:先读 SESSION-STATE.md,再读最近 1-3 天 daily notes,最后才检索本地记忆
  • 结束时:先更新 SESSION-STATE.md,再把稳定事实蒸馏进 MEMORY.md,最后归档 daily notes
  • 中断后恢复:优先从 working-buffer.md 续接未完成项
  • 仓库模板:先复制 templates/SESSION-STATE.mdtemplates/working-buffer.md,再填入当前任务

OpenViking 可选增强

  • OpenViking 不是强依赖;没有它也能完成核心的断点续接流程
  • 有 OpenViking 时,优先把它作为语义召回和摘要补全层
  • OpenViking 负责补充相关记忆,SESSION-STATE.md 负责保存当前任务真相
  • 如果 OpenViking 不可用,直接退回到 SESSION-STATE.md + working-buffer.md + daily notes 的本地流程

维护原则

  • 下次对话会用到的 → 保留在本地记忆
  • 可能永远用不到但值得保留的 → 归档到 Obsidian
  • 记忆膨胀时,先蒸馏再保留

兼容性

  • OpenClaw-compatible skill
  • Codex-compatible skill
  • OpenViking-compatible optional enhancement
  • Obsidian vault workflows

相关 Skills

技能工坊

by anthropics

Universal
热门

覆盖 Skill 从创建到迭代优化全流程:起草能力、补测试提示、跑评测与基准方差分析,并持续改写内容和描述,提升效果与触发准确率。

技能工坊把技能从创建、迭代到评测串成闭环,方差分析加描述优化,特别适合把触发准确率打磨得更稳。

效率与工作流
未扫描139.0k

PPT处理

by anthropics

Universal
热门

处理 .pptx 全流程:创建演示文稿、提取和解析幻灯片内容、批量修改现有文件,支持模板套用、合并拆分、备注评论与版式调整。

涉及PPTX的创建、解析、修改到合并拆分都能一站搞定,连备注、模板和评论也能处理,做演示文稿特别省心。

效率与工作流
未扫描139.0k

PDF处理

by anthropics

Universal
热门

遇到 PDF 读写、文本表格提取、合并拆分、旋转加水印、表单填写或加解密时直接用它,也能提取图片、生成新 PDF,并把扫描件通过 OCR 变成可搜索文档。

PDF杂活别再来回切工具了,文本表格提取、合并拆分到OCR识别一次搞定,连扫描件也能变可搜索。

效率与工作流
未扫描139.0k

相关 MCP 服务

文件系统

编辑精选

by Anthropic

热门

Filesystem 是 MCP 官方参考服务器,让 LLM 安全读写本地文件系统。

这个服务器解决了让 Claude 直接操作本地文件的痛点,比如自动整理文档或生成代码文件。适合需要自动化文件处理的开发者,但注意它只是参考实现,生产环境需自行加固安全。

效率与工作流
86.1k

by wonderwhy-er

热门

Desktop Commander 是让 AI 直接执行终端命令、管理文件和进程的 MCP 服务器。

这工具解决了 AI 无法直接操作本地环境的痛点,适合需要自动化脚本调试或文件批量处理的开发者。它能让你用自然语言指挥终端,但权限控制需谨慎,毕竟让 AI 执行 rm -rf 可不是闹着玩的。

效率与工作流
6.1k

EdgarTools

编辑精选

by dgunning

热门

EdgarTools 是无需 API 密钥即可解析 SEC EDGAR 财报的开源 Python 库。

这个工具解决了金融数据获取的痛点——直接让 AI 读取结构化财报,比如让 Claude 分析苹果的 10-K 文件。适合量化分析师或金融开发者快速构建数据管道。但注意,它依赖 SEC 网站稳定性,高峰期可能延迟。

效率与工作流
2.2k

评论