解剖 3-layer memory 架構:哪些是 OpenClaw 原生的,哪些是作者自己發明的
Reddit 上有個在房地產業跑多 agent 系統的工程師,分享了他一套 3 層記憶架構,解決了每次 session 從零開始的問題。整篇設計蠻扎實的,但我看完的第一個反應是:把它拆開來看,哪些部分其實是在用 OpenClaw 原生機制,哪些是他自己的 convention? 先說 L1——他定義了 7 個根目錄 md 檔,每個 500-1000 tokens,總預算 7000 tokens。這個其實就是 OpenClaw 的 workspace file injection 機制,作者做的事情是把這個機制結構化——給每個檔案一個明確職責,限制 token 預算,這些都是他自己的 convention,不是 OpenClaw 強制的。 L2 用的是 memory_search 做語義搜尋,這個確實是 OpenClaw 原生 API。他的 breadcrumb files 是個聰明的設計——基本上是在幫 memory_search 的召回率做工程,讓每個事實獨立一行,提高 embedding 精確度。 L3 是 reference/ 目錄放 SOP 和 playbook,按需手動開啟,不納入 memory_search。他明確把「要搜尋的知識」和「要按需讀的文件」分開。 5 個觸發指令(recover, checkpoint, trim, recalibrate, checkboard)完全是他自己的 convention。他說的「write before you move」是這整套架構最難的部分。對 skill 開發者的啟示:設計 skill 時,memory 寫法和注入策略應該是一等公民。
作者:jiaweiOrz