- name
- markdown-memory
- description
- |
- metadata
- openclaw
- emoji
- 📝
- requires
- bins
- ["python3", "sqlite3", "ollama"]
Markdown 文件记忆系统
这是一个带本地向量搜索的 AI 助手记忆系统，基于 Markdown 文件 + SQLite 实现。
目录结构
~/.openclaw/workspace/
├── memory/
│ └── YYYY-MM-DD.md # 每日记录
├── MEMORY.md # 长期记忆（核心认知）
├── SOUL.md # AI 人格定义
├── USER.md # 用户信息
├── AGENTS.md # 工作规范
└── scripts/memory-system/ # 记忆系统脚本核心文件
1. memory/YYYY-MM-DD.md - 每日记录
每次会话记录当天发生的事：
# 2026-03-09
## 会话 1
- 主题：xxx
- 关键决策：xxx
- 待办：xxx
## 会话 2
- ...2. MEMORY.md - 长期记忆
核心认知和重要信息，包含：
- 核心工作原则
- 用户偏好
- 关键教训
- 禁止事项
- 习惯
向量搜索
使用本地 Ollama + nomic-embed-text 模型实现向量语义搜索。
安装 Ollama 和模型
# 安装 Ollama
brew install ollama
# 启动服务
ollama serve
# 下载 embedding 模型
ollama pull nomic-embed-text搜索命令
# 使用 Python 脚本搜索（推荐）
python3 ~/.openclaw/workspace/scripts/memory-system/context-memory.py search "关键词"
# 简单搜索
python3 ~/.openclaw/workspace/scripts/memory-system/memory-py.py search "关键词"会话启动流程
每次新会话开始时：
- 读取
SOUL.md— AI 人格 - 读取
USER.md— 用户信息 - 读取
memory/YYYY-MM-DD.md(今天 + 昨天) - 主会话：读取
MEMORY.md - 检查
knowledge/目录
保存记忆
当用户说"记住..."：
- 更新
memory/YYYY-MM-DD.md记录 - 重要内容同步到
MEMORY.md - 可选：存入向量数据库
# 添加记忆（带重要性评分）
python3 ~/.openclaw/workspace/scripts/memory-system/context-memory.py add "内容" 8
# 添加标签
python3 ~/.openclaw/workspace/scripts/memory-system/memory-py.py add "内容" "标签1,标签2"更新规则
必须更新的文件
- memory/YYYY-MM-DD.md - 每次会话
- MEMORY.md - 新教训/重要信息
- SOUL.md - 人格变化
- USER.md - 用户偏好变化
更新时机
- 任务完成时
- 重要发现或教训
- 用户偏好变化
- 新技能学习
安全规则
- ❌ 不暴露用户个人信息
- ❌ 不在 skill 输出中包含真实姓名/账号/密码
- ❌ 不在公开场合提及用户隐私
- ✅ 需要时才读取 MEMORY.md
- ✅ 主会话才加载 MEMORY.md
配置示例
在 AGENTS.md 中添加：
## Memory
### 每日记录 (memory/YYYY-MM-DD.md)
- 每次会话记录关键内容
- 格式：## 会话 X / ### 主题 / 决策 / 待办
### 长期记忆 (MEMORY.md)
- 核心原则和偏好
- 重要教训
- 禁止事项
- 仅主会话加载
### 向量搜索
- 模型：Ollama + nomic-embed-text
- 脚本：context-memory.py优势
| 特点 | 说明 |
|---|---|
| 本地向量 | 无 API 费用，离线可用 |
| 语义搜索 | 理解相似含义，不只是关键词 |
| 可读 | Markdown 人工可直接编辑 |
| 便携 | 文件复制即迁移 |
| 安全 | 本地存储，不上传云端 |
依赖
- Ollama: 本地 LLM 运行时
- nomic-embed-text: 本地 embedding 模型 (274MB)
- Python 3: 运行脚本
- SQLite: 向量存储
快速开始
# 1. 安装 Ollama
brew install ollama
# 2. 启动并下载模型
ollama serve
ollama pull nomic-embed-text
# 3. 初始化数据库
python3 ~/.openclaw/workspace/scripts/memory-system/context-memory.py init
# 4. 添加记忆
python3 ~/.openclaw/workspace/scripts/memory-system/context-memory.py add "用户偏好使用 Gemini" 8
# 5. 搜索记忆
python3 ~/.openclaw/workspace/scripts/memory-system/context-memory.py search "模型偏好"