Agent应用实践之四十 - OpenClaw：记忆

AI 大模型飞速进化，不懂 AI、不会用 Agent 的程序员，正在慢慢被行业淘汰。现在 AI 新技术迭代快到离谱：RAG 还没学明白，MCP 接踵而来；工具刚上手，Skills、各类新 Agent 概念又轮番刷屏；Manus还没看懂，就出来OpenClaw，OpenClaw热度还没退，又出来Hermes。越追越乱、越学越焦虑，永远在被动跟风，陷入学不完、跟不上、用不上的内耗。其实焦虑的根本原因，不是新技术太多，而是不懂大模型 Agent 应用底层原理，只会零散跟风，没有通用方法论。

为此我专门推出Agent 应用实战专栏，采用Agent基础 + Agent设计模式 + 工程实践三位一体体系，帮你彻底摆脱 AI 焦虑。
专栏分为三大模块：

• Agent基础：深入浅出拆解AgentScope Java源码，掌握Agent应用基础的三驾马车（提示词、工具和记忆），夯实 Agent 开发底层根基；
• Agent设计模式：基于《agentic-design-patterns》精讲经典架构模式（提示词链、并行、路由、规划、反思、推理、人机协同等等），掌握高阶 AI 应用设计思路；
• 工程实践：手把手从零手搓简易版 OpenClaw，还原真实项目落地全流程。

学完本专栏，你将彻底吃透底层逻辑、掌握架构思维、并具备工程落地能力。未来无论再涌现 MCP、Skills 还是其他任何新技术，你都能一眼看透其本质、快速上手复用，不再盲目跟风，稳稳守住程序员的职业护城河。

注意：由于框架的不同版本会有些使用的不同，因此本次系列中使用基本框架是agentscope-1.0.11，JDK版本使用的是open-jdk-21（agentscope-java最低要求java版本为17）。

本文章的代码地址：https://github.com/forever1986/agentscope-claw

上一章将我们的AgentScope-Claw中加入了提示词功能，这一章，我们来给这个Claw增加记忆功能。

1 OpenClaw的记忆

这里讲的记忆同样包括3部分：会话、短期记忆和长期记忆

1.1 会话管理

1.1.1 会话隔离

OpenClaw中会话管理做得很细致，首先是通过不同场景不同会话管理，做到会话隔离，以下是不同会话：