拓冰网站定制 
当皇上的记忆系统全解独立workspace语义搜索让AI大臣越用越懂你【免费下载链接】danghuangshangOpen-source multi-agent collaboration system inspired by Chinese governance — deploy and coordinate specialized AI agents with OpenClaw.项目地址: https://gitcode.com/gh_mirrors/bo/danghuangshang当皇上danghuangshang是一个开源多智能体协作系统用朝廷隐喻部署和调度多个专职 AI Agent。它的记忆系统由独立 workspace 工作区 语义搜索两大支柱构成每位 AI 大臣拥有自己的记忆领地配合 Embedding 向量索引用不同的措辞也能找回上周讨论过的部署方案真正实现越用越懂你。为什么你的 AI 总像金鱼记忆如果你用过多 Agent 系统大概率遇到过这些场景上周告诉 AI项目用 Docker 部署这周它又推荐了你早就否掉的方案和户部说过的偏好工部完全不知道每位大臣各说各话换了个说法问同一件事AI 就失忆了——因为关键词没对上。根本原因就两个记忆没地方存和存了也搜不到。当皇上的记忆系统正是为解决这两个问题而设计。记忆系统两层架构文件记忆 语义搜索当皇上基于 OpenClaw 构建其记忆分为两层详见 docs/memory-search.md层次说明依赖文件记忆MEMORY.mdmemory/*.md纯文本读写不需要额外配置开箱即用语义搜索向量索引搜索记忆支持模糊匹配需要配置 Embedding API文件记忆是打底能力AI 每次启动会自动读取当天和昨天的日记文件轻量、可靠。但它只能做关键词精确匹配——你问部署方案它搜不到写在Docker 容器化迁移里的内容。语义搜索则让 AI 理解说的是同一件事通过 Embedding 模型把记忆转成向量问Docker 迁移就能命中部署方案。系统默认启用混合搜索向量权重 0.7 BM25 关键词权重 0.3兼顾模糊理解和精确匹配。 没配 Embedding 也能用只是memory_search工具不可用AI 只能靠读日记硬撑。独立 workspace每位 AI 大臣的专属领地当皇上最独特的设计是每个 Agent 独立的 workspace 工作区文件即记忆大臣的工作笔记、设定文档都落在自己的工作区里文件即记忆目录即分类SQLite 记忆库每个 Agent 的会话记忆持久化在memory/*.sqlite数据库中越用越懂你与户部聊过三次的财政偏好第四次它还记得——记忆是长期积累的资产。新手避坑指南来自 docs/faq.md所有 Agent 共享一个工作区在配置的defaults.workspace里统一指定路径如/home/你的用户名/clawd不要给每个 Agent 单独写不同路径否则 SOUL.md 等人格文件要逐目录维护workspace 设为专用目录千万不要设为家目录或根目录——它是 Agent 的领地Agent 只能读写这个目录这是重要的安全边界详见 docs/security.mdsubagent 继承父 Agent 的 workspace属正常行为配置好共享工作区即可。参考配置示例可打开 openclaw.example.json 查看完整结构。三步快速配置语义搜索想让 AI 大臣真正过目不忘只需 10 分钟配好 Embedding完整图文指南见 docs/memory-search.md第 1 步选一个 Embedding 提供商方案提供商特点适合人群AOpenAI最省心自动检测海外服务器BGoogle Gemini免费额度大想省钱的海外用户C阿里 DashScope国内直连、中文效果好、¥0.7/百万 token 国内服务器首选第 2 步写入配置在openclaw.json的agents.defaults.memorySearch中配置提供商、模型和 API Key 即可。以国内首选的 DashScope 为例注意baseUrl末尾的/和必须关闭 batch 模式这两个易错点。第 3 步建索引并验证openclaw memory status --deep # 查看状态确认 Embeddings: ready openclaw memory index --verbose # 首次全量索引 openclaw memory search 上周的部署讨论 # 测试搜索状态里Embeddings: ready、Vector: ready、FTS: ready三项全绿语义记忆就上线了。之后直接在聊天里问 AI你记得我之前说的那个 xxx 吗它会主动调用memory_search工具翻自己的档案。费用几乎可以忽略100 篇千字日记DashScope 约 ¥0.005。把记忆当资产一键备份大臣的记忆积累数月后价值连城丢失不可逆。项目内置了备份脚本 scripts/memory-backup.sh一行命令守护所有 Agent 的记忆备份 18 个 Agent 的SQLite 记忆数据库memory/*.sqlite备份工作区记忆文件memory/*.md备份核心配置脚本支持--dry-run预演还贴心地附带了 crontab 定时备份示例——每天凌晨静默执行记忆资产稳了。进阶小说场景的记忆系统如果你的皇上是用来写小说的skills/novel-memory/SKILL.md 提供了一套更细的记忆规范人物档案、世界观、伏笔台账、时间线各归其位第 100 章时读文件就能回忆第 1 章的设定——追加优先、防遗忘这套规范本身就很值得借鉴。常见问题速答Q不配 EmbeddingAI 还能用吗能用。只是记忆检索退化为关键词匹配 读当日日记长期记忆检索能力明显下降。Q多个 Agent 能用不同的 Embedding 吗可以。在对应 Agent 的memorySearch中单独配置即可覆盖全局默认值。Q换了 Embedding 提供商要重新索引吗需要OpenClaw 会检测到 provider/model 变更并自动触发全量重新索引。总结三招让 AI 大臣越用越懂你共享一个 workspace 工作区在defaults.workspace统一配置别设家目录配好 Embedding让语义搜索上线国内推荐 DashScope10 分钟搞定定期跑备份脚本把积累的记忆当资产守护。记忆是 AI 助手从工具变成老臣的关键。配齐这三层你的朝廷才能真正运转起来——每位大臣都记得你也记得彼此。更多部署细节可查阅 README.md 与 docs/memory-search.md。【免费下载链接】danghuangshangOpen-source multi-agent collaboration system inspired by Chinese governance — deploy and coordinate specialized AI agents with OpenClaw.项目地址: https://gitcode.com/gh_mirrors/bo/danghuangshang创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 当皇上的记忆系统全解：独立workspace+语义搜索，让AI大臣越用越懂你
当皇上的记忆系统全解独立workspace语义搜索让AI大臣越用越懂你【免费下载链接】danghuangshangOpen-source multi-agent collaboration system inspired by Chinese governance — deploy and coordinate specialized AI agents with OpenClaw.项目地址: https://gitcode.com/gh_mirrors/bo/danghuangshang当皇上danghuangshang是一个开源多智能体协作系统用朝廷隐喻部署和调度多个专职 AI Agent。它的记忆系统由独立 workspace 工作区 语义搜索两大支柱构成每位 AI 大臣拥有自己的记忆领地配合 Embedding 向量索引用不同的措辞也能找回上周讨论过的部署方案真正实现越用越懂你。为什么你的 AI 总像金鱼记忆如果你用过多 Agent 系统大概率遇到过这些场景上周告诉 AI项目用 Docker 部署这周它又推荐了你早就否掉的方案和户部说过的偏好工部完全不知道每位大臣各说各话换了个说法问同一件事AI 就失忆了——因为关键词没对上。根本原因就两个记忆没地方存和存了也搜不到。当皇上的记忆系统正是为解决这两个问题而设计。记忆系统两层架构文件记忆 语义搜索当皇上基于 OpenClaw 构建其记忆分为两层详见 docs/memory-search.md层次说明依赖文件记忆MEMORY.mdmemory/*.md纯文本读写不需要额外配置开箱即用语义搜索向量索引搜索记忆支持模糊匹配需要配置 Embedding API文件记忆是打底能力AI 每次启动会自动读取当天和昨天的日记文件轻量、可靠。但它只能做关键词精确匹配——你问部署方案它搜不到写在Docker 容器化迁移里的内容。语义搜索则让 AI 理解说的是同一件事通过 Embedding 模型把记忆转成向量问Docker 迁移就能命中部署方案。系统默认启用混合搜索向量权重 0.7 BM25 关键词权重 0.3兼顾模糊理解和精确匹配。 没配 Embedding 也能用只是memory_search工具不可用AI 只能靠读日记硬撑。独立 workspace每位 AI 大臣的专属领地当皇上最独特的设计是每个 Agent 独立的 workspace 工作区文件即记忆大臣的工作笔记、设定文档都落在自己的工作区里文件即记忆目录即分类SQLite 记忆库每个 Agent 的会话记忆持久化在memory/*.sqlite数据库中越用越懂你与户部聊过三次的财政偏好第四次它还记得——记忆是长期积累的资产。新手避坑指南来自 docs/faq.md所有 Agent 共享一个工作区在配置的defaults.workspace里统一指定路径如/home/你的用户名/clawd不要给每个 Agent 单独写不同路径否则 SOUL.md 等人格文件要逐目录维护workspace 设为专用目录千万不要设为家目录或根目录——它是 Agent 的领地Agent 只能读写这个目录这是重要的安全边界详见 docs/security.mdsubagent 继承父 Agent 的 workspace属正常行为配置好共享工作区即可。参考配置示例可打开 openclaw.example.json 查看完整结构。三步快速配置语义搜索想让 AI 大臣真正过目不忘只需 10 分钟配好 Embedding完整图文指南见 docs/memory-search.md第 1 步选一个 Embedding 提供商方案提供商特点适合人群AOpenAI最省心自动检测海外服务器BGoogle Gemini免费额度大想省钱的海外用户C阿里 DashScope国内直连、中文效果好、¥0.7/百万 token 国内服务器首选第 2 步写入配置在openclaw.json的agents.defaults.memorySearch中配置提供商、模型和 API Key 即可。以国内首选的 DashScope 为例注意baseUrl末尾的/和必须关闭 batch 模式这两个易错点。第 3 步建索引并验证openclaw memory status --deep # 查看状态确认 Embeddings: ready openclaw memory index --verbose # 首次全量索引 openclaw memory search 上周的部署讨论 # 测试搜索状态里Embeddings: ready、Vector: ready、FTS: ready三项全绿语义记忆就上线了。之后直接在聊天里问 AI你记得我之前说的那个 xxx 吗它会主动调用memory_search工具翻自己的档案。费用几乎可以忽略100 篇千字日记DashScope 约 ¥0.005。把记忆当资产一键备份大臣的记忆积累数月后价值连城丢失不可逆。项目内置了备份脚本 scripts/memory-backup.sh一行命令守护所有 Agent 的记忆备份 18 个 Agent 的SQLite 记忆数据库memory/*.sqlite备份工作区记忆文件memory/*.md备份核心配置脚本支持--dry-run预演还贴心地附带了 crontab 定时备份示例——每天凌晨静默执行记忆资产稳了。进阶小说场景的记忆系统如果你的皇上是用来写小说的skills/novel-memory/SKILL.md 提供了一套更细的记忆规范人物档案、世界观、伏笔台账、时间线各归其位第 100 章时读文件就能回忆第 1 章的设定——追加优先、防遗忘这套规范本身就很值得借鉴。常见问题速答Q不配 EmbeddingAI 还能用吗能用。只是记忆检索退化为关键词匹配 读当日日记长期记忆检索能力明显下降。Q多个 Agent 能用不同的 Embedding 吗可以。在对应 Agent 的memorySearch中单独配置即可覆盖全局默认值。Q换了 Embedding 提供商要重新索引吗需要OpenClaw 会检测到 provider/model 变更并自动触发全量重新索引。总结三招让 AI 大臣越用越懂你共享一个 workspace 工作区在defaults.workspace统一配置别设家目录配好 Embedding让语义搜索上线国内推荐 DashScope10 分钟搞定定期跑备份脚本把积累的记忆当资产守护。记忆是 AI 助手从工具变成老臣的关键。配齐这三层你的朝廷才能真正运转起来——每位大臣都记得你也记得彼此。更多部署细节可查阅 README.md 与 docs/memory-search.md。【免费下载链接】danghuangshangOpen-source multi-agent collaboration system inspired by Chinese governance — deploy and coordinate specialized AI agents with OpenClaw.项目地址: https://gitcode.com/gh_mirrors/bo/danghuangshang创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考