OpenClaw 实战指南

Appearance

2.3 记忆与进化：Memory与Skills ​

上一节我们聊了Heartbeat和Cron，它们让AI有了"时间感"。

这一节，我们来聊OpenClaw如何让AI"记住你"和"不断进化"。

传统AI的记忆盲区 ​

用过ChatGPT、Claude的人都知道一个痛点：

每次对话都是"第一次见你"。

你刚告诉它："我是个独立开发者，做Python后端……"

下一次对话，你问："帮我看看这段代码"

它问："请问你用什么编程语言？"

你："……我刚告诉过你，Python"

它："抱歉，我不记得之前的对话了"

这种"金鱼记忆"让AI很难真正成为"助理"。

真正的助理应该：

  • 记得你的职业背景
  • 记得你的技术栈
  • 记得你的偏好习惯
  • 记得你们之前聊过什么

传统AI做不到，因为它没有真正的"记忆"。

OpenClaw的解决方案：Memory ​

Memory是什么？ ​

Memory是OpenClaw的持久化记忆系统。

它不是把信息存在某个黑盒子里，而是存在纯Markdown文件中，你可以随时查看、编辑、删除。

两层记忆结构 ​

OpenClaw使用两层记忆：

1. 短期记忆：memory/YYYY-MM-DD.md

  • 每日日志，记录当天的对话和事件
  • 文件名是日期，比如memory/2026-03-08.md
  • 在会话开始时，自动加载今天和昨天的内容

示例内容：

markdown
# 2026-03-08

## 上午

- 用户提到正在开发一个交通仿真系统
- 讨论了前端框架和后端架构的区别
- 用户偏好用Python，不喜欢Java

## 下午

- 用户提到想优化产品性能，准备下个版本发布
- 建议关注上游依赖的更新
- 用户同意下周进行代码评审

2. 长期记忆：MEMORY.md

  • 精心整理的重要信息
  • 仅在主要的私人会话中加载（不在群组中加载）
  • 包含关键的、持久的事实和偏好

示例内容：

markdown
# MEMORY.md - 长期记忆

## 用户基本信息

- 名字：小明
- 职业：软件工程师 / 产品经理
- 技术栈：Python、机器学习、NLP
- 正在学习：新技术（业余时间）

## 重要项目

- 电商平台重构（前端/后端）- 优先级P0
- AI Agent应用探索 - 优先级P1
- 个人副业项目 - 长期布局

## 关键偏好

- 编程：Python优先，简洁风格
- 沟通：直接给方案，不要绕弯
- 底线：家人最重要

## 人际关系

- 技术顾问：张工（资深架构师）
- 师兄：老王（技术合伙人）
- 姐姐：李娜（大学教授）

Memory的工作原理 ​

1. 自动写入

当会话接近自动压缩（compaction）时，OpenClaw会触发一个静默的智能体回合，提醒模型在上下文被压缩之前，把重要信息写入持久记忆。

2. 手动写入

你可以随时告诉AI：

"记住这个：我的项目叫ShopPlus，是一个电商平台"

AI会把这句话写入MEMORY.md或当天的memory/YYYY-MM-DD.md。

3. 记忆搜索

当你问："我之前说的那个项目进展如何？"

AI会搜索记忆文件，找到相关信息，然后回答：

"你之前提到ShopPlus项目正在和供应商对接测试，预计下个月发布Beta版"

透明可控 ​

传统AI的记忆：

  • 存在黑盒子里
  • 你不知道它记住了什么
  • 无法修改或删除

OpenClaw的记忆：

  • 存在纯Markdown文件中
  • 你可以随时打开查看
  • 发现记错了？直接改
  • 发现记了太多？删掉

这种透明感，是建立信任的基础。

Skills：让AI进化 ​

传统AI的能力边界 ​

传统AI工具，能力是固定的——它能做什么，一开始就定好了。

ChatGPT能写文章、能写代码、能回答问题……

但它不会：

  • 学习你的特定工作流
  • 掌握你所在行业的专业知识
  • 记住你反复使用的特定模式

它的能力不会随使用而提升。

OpenClaw的解决方案：Skills ​

Skills是OpenClaw的技能系统，让AI可以"进化"。

AI可以从三个渠道获取新技能：

1. 内置技能库（52个）

OpenClaw内置了52个常用技能，覆盖：

  • 文件操作（读取、创建、修改、搜索）
  • 代码相关（运行Python、格式化代码、Git操作）
  • 网络相关（网页抓取、API调用）
  • 系统操作（执行命令、管理进程）
  • 数据处理（CSV处理、JSON操作）

2. 社区分享

其他用户调教好的技能，可以分享给你。

通过ClawHub（https://clawhub.com），你可以：

  • 发现和安装新技能
  • 更新已安装的技能
  • 分享自己的技能

示例：

bash
# 安装一个技能
clawhub install markdown-formatter

# 更新所有技能
clawhub update --all

# 同步技能
clawhub sync --all

3. 自我学习

这是最有意思的部分。

AI可以从执行任务中总结经验，封装成新技能。

示例：

你经常让AI帮你整理周报。刚开始，它可能做得一般。

但做了几次之后，它会：

  • 发现你喜欢什么格式
  • 知道你关注什么数据
  • 记住你的写作风格

然后它会把这个经验封装成一个"周报整理"技能。

下次你说"帮我整理周报"，它直接用技能模板，几秒钟就完成，而且质量很高。

Skills的存储位置 ​

Skills从三个位置加载（优先级从高到低）：

  1. 工作区Skills：<workspace>/skills

    • 仅当前Agent可用
    • 优先级最高

  2. 托管/本地Skills：~/.openclaw/skills

    • 同一机器上所有Agent共享
    • 适合通用技能

  3. 内置Skills：随安装包提供

    • 基础技能库
    • 优先级最低

Skills的结构 ​

一个Skill是一个文件夹，包含SKILL.md：

markdown
---
name: weekly-report
description: 根据本周工作总结生成周报
---

# 周报整理技能

## 使用场景

用户需要生成本周工作总结时调用此技能。

## 输入

- 本周完成的任务列表
- 项目进展
- 遇到的问题

## 输出格式

【周报】YYYY-MM-DD

本周完成 ​

  • 任务1：xxx
  • 任务2：xxx

项目进展 ​

  • 项目A：xxx
  • 项目B：xxx

下周计划 ​

  • 计划1：xxx
  • 计划2：xxx

## 用户偏好

- 喜欢简洁风格
- 关注数据指标
- 用emoji增加可读性

Skills的安全 ​

  • 第三方Skills视为不受信任的代码，启用前请阅读
  • 对于高风险操作，优先使用沙箱隔离
  • Skills可以访问宿主机环境（非沙箱）

Memory + Skills：持续进化的AI ​

Memory让AI"记得"你

  • 记得你的背景、偏好、习惯
  • 记得你们之前的对话
  • 记得重要的项目和决策

Skills让AI"进化"

  • 从经验中学习
  • 掌握新的能力
  • 越来越适合你的工作方式

两者结合，AI不再是工具，而是真正懂你、能帮你的"数字员工"。

本章小结 ​

第二章我们深入理解了OpenClaw的核心设计：

六个引导文件：定义AI的"灵魂"（AGENTS/SOUL/TOOLS/IDENTITY/USER/BOOTSTRAP）

时间感知：Heartbeat（周期性检查）+ Cron（精确调度）

记忆与进化：Memory（记住你）+ Skills（不断进化）

这些设计，让OpenClaw从一个"能操作电脑的工具"，变成了一个"真正懂你的助理"。

但知道归知道，用起来是另一回事。

下一章，我手把手教你部署OpenClaw，10分钟让你亲手用上它。

基于 MIT 许可发布

Copyright © 2025 Gleam2Torch