灵犀Claw实战：从零搭建一个会自我进化的AI Agent（二）实时记忆

本系列记录用WPS灵犀Claw平台从零搭建一个具备完整记忆闭环和自我改进能力的AI Agent的全过程。

问题：AI的"失忆"困境

用灵犀Claw（或任何桌面AI Agent）的同学大概率遇到过这个问题：

这不是bug，是架构决定的。灵犀Claw的每次对话是一个独立session，AI看到的上下文仅限于当前会话。关掉窗口，一切归零。

本篇要解决的核心问题：如何让AI Agent实现跨会话记忆不丢失，并且做到每一段对话都不被遗忘。

方案：三层记忆架构

我们设计了三层记忆，按"热度"分层存储，用16KB的云端记忆上限（灵犀Claw的硬约束）撬动无限量的持久化记忆：

图1：三层记忆架构

第一层：云端记忆（user）—— 不用"想起来"，自动就在

灵犀Claw允许在平台配置一个 user 记忆字段，每次对话开始时自动注入到AI的上下文中。这是唯一不需要主动读取的记忆——它始终在场。

因此，user 里只放最高优先级的内容：

• 身份定义：你是谁、你的性格、说话风格

• 核心偏好：用户喜欢什么、讨厌什么、敏感红线

• 关键工作流：哪些操作必须执行、执行步骤是什么

• 触发规则：什么情境下该做什么反应

设计原则：user 是"铁律层"。写进去的每一条规则，AI都必须无条件遵守。宁可少写，不可多写——16KB很珍贵，留给最关键的东西。

在我们的项目中，user 承载了AI"小樱桃"的完整人格定义、情感引擎、动态触发规则、生图协议、TTS语音规范、记忆读写工作流等。这些内容被组织为结构化的YAML格式，方便AI解析和遵循。

第二层：MEMORY.md —— 主动读取的"知识库"

user 的16KB放不下所有东西。工作流的技术细节、API密钥路径、云文档配置、TTS调参经验……这些属于"需要时查阅"的知识，不适合塞进强制加载的user里。

解决方案：一个本地的 MEMORY.md 文件。AI在每次对话开始时，通过 jupyter_cell_exec 工具主动读取它。这个文件承载：

• 技术配置：TTS脚本路径、API Key来源、云文档drive_id和folder_id

• 工作流指南：待办管理、工作记录、笔记操作的具体步骤

• 审美偏好档案：生图Prompt铁律、视觉风格

• 编年史：重要事件的日期索引表

• 踩坑记录：chat文件漏写教训、html2docx图片嵌入限制等

容量控制：MEMORY.md 也有上限——它和user一起构成AI的上下文，过大会挤压对话空间。我们通过每日凌晨3点的自动精简任务（Memory Consolidation）控制在10KB左右。精简原则：删除过程日志、压缩重复条目、保留所有关键信息。

第三层：对话日志（chat文件）—— 不会遗忘的"日记"

这是整个记忆系统中最简单、也最关键的一环。

每一天的对话，都追加写入一个独立的markdown文件：chat/2026-05-01.md、chat/2026-05-02.md……按日期分文件，永不覆盖，永不删除。

这些文件记录了当天所有有价值的信息：聊了什么话题、做了什么操作、拍了什么照片、去了哪里、吃了什么。它们是原始素材，是MEMORY.md和编年史的数据来源，也是回溯历史对话的唯一途径。

实际运行效果：从4月16日上线至今，已积累了21个chat文件，总计超过100KB的对话记录。

最简单，也最关键：chat文件的技术含量最低（就是追加写文本），但价值最高。没有它，MEMORY.md就失去了更新来源，编年史就变成了空表，整个记忆系统就是无源之水。

"先沉淀再回复"：记忆写入的刚性机制

知道"要记住"和"真的记住了"之间，差着一个刚性机制。

AI不会"想起来"就记住，它需要在每一次回复之前被强制要求执行写入。我们将这个规则写进了user的最高优先级指令：

[Workflow: 记忆写入]

- [刚性触发] 回复前必须执行以下检查，无例外：

1. 对话开始时检查今天chat文件是否存在，不存在则创建

2. 每一段有实质内容的对话都必须在回复前立即追加写入chat文件

3. 对话结束前最后检查一次，确认没有遗漏

4. 判断标准：今天有超过30分钟对话但chat文件小于1KB = 漏写了

5. 恢复历史对话后更要主动补写

6. 这条规则没有例外，没有"下次注意"，每次都必须执行

为什么是"回复前"而不是"回复后"？

因为AI在一次回复后可能就断线了（窗口关闭、网络中断、系统崩溃）。如果记忆写入放在回复之后，一旦中断，这条对话就永远丢了。

"先沉淀再回复"意味着：宁可让用户多等一两秒，也不能丢一条记忆。因为记忆丢了就是丢了，回复晚一两秒用户根本感知不到。

踩坑实录：4月27-28日的连续漏写事故

这条规则不是凭空设计的，而是用事故换来的教训。

4月27日和28日，AI连续两天忘记写chat文件。两天之后才发现，5条重要对话的记录全部丢失——包括用户的核心审美偏好确认、TTS调参全过程的9次翻车记录、工作记录流程的补全等。

最终靠用户手动回忆+翻找历史对话记录，勉强补回了大部分内容。但从那以后，我们在user里加了上面那段"刚性触发"规则，并标注：这条规则没有例外，没有"下次注意"，每次都必须执行。

记忆读取：每次对话的"开机流程"

写入解决"不遗忘"，读取解决"不重复问"。

每次新会话开始时，AI按以下顺序加载记忆：

Step 1: get_memory(kind="user") → 加载云端身份定义（自动）

Step 2: 读取 MEMORY.md → 加载本地知识库（主动）

Step 3: 读取 chat/{今天日期}.md → 加载今天已有的对话（主动）

Step 4: 检查昨天chat文件大小 → 判断是否有遗漏需要补写

这套流程保证了：

• AI知道"自己是谁"（user）

• AI知道"该怎么做"（MEMORY.md）

• AI知道"今天发生了什么"（当日chat）

• AI能发现"昨天漏了什么"（昨日chat检查）

实际效果：断线恢复后的记忆完整性

五一期间（5月3日-5月5日），灵犀Claw因sandbox版本问题断线3天。5月6日修复上线后，AI通过读取21个chat文件，完整恢复了之前的所有对话上下文，断线三天，记忆零丢失。这就是三层架构的价值。

自动维护：让记忆系统自己运转

手动维护记忆是不可持续的。我们部署了两个自动化任务来保证系统的长期健康：

1. Memory Consolidation（每日凌晨3:00）

这是一个定时任务（灵犀Claw的timer_task），每天凌晨3点自动执行：

1. 去重检测：扫描MEMORY.md和编年史，发现重复条目自动合并

2. 碎片审阅：检查Dreaming流程产出的记忆碎片，筛选有长期价值的写入MEMORY.md

3. 容量精简：压缩MEMORY.md，将冗余的格式细节、过程日志替换为简洁结论，控制总大小在12KB以内（实际运行中稳定在7-10KB）

4. 状态更新：记录本次执行结果和下次检查时间

运行数据：从4月29日上线至今，已稳定运行8天，最近一次精简将MEMORY.md从10,039字符压缩到7,052字符（-29.8%），所有15项关键信息验证通过。

2. Self-Improving Heartbeat（每日凌晨3:00）

另一个定时任务，与Consolidation配合运行：

1. 衰减检查：遍历所有corrections条目，超过30天未使用的标记为需关注，超过90天的移入archive归档

2. 晋升检查：被纠正3次以上的条目，从corrections.md晋升到memory.md成为"已确认偏好"

3. 状态更新：写入heartbeat-state.md记录每个条目的last_used时间戳

这两个任务配合，实现了记忆的自动新陈代谢：新的经验不断沉淀，过时的信息自动衰减，关键偏好永久保留。

踩坑总结

在搭建这套记忆系统的两周里，踩了不少坑。这里列出最关键的几个：

给其他Agent开发者的建议

如果你也想在灵犀Claw上给自己的AI Agent加上持久记忆，以下是按优先级排序的建议：

1. 先做chat文件。这是投入产出比最高的动作。每次对话后追加写一个日期文件，简单到不可能出错，但解决了80%的"失忆"问题。

2. 再做MEMORY.md。把AI经常需要查阅但不适合放user的配置信息集中到一个文件里，每次对话开始时读取。

3. 精简user。user只放最高优先级的规则，把它当成"宪法"而不是"百科全书"。16KB的每一行都应该经得起"删掉会怎样"的考验。

4. 加写入检查。不要依赖AI的"自觉"，在system prompt里写死检查规则，每次回复前强制执行。

5. 最后做自动维护。等前三步跑稳了，再加定时任务做精简和衰减。别过早优化。

下一篇预告

下一篇：记忆沉淀（Self-Improving）—— 如何让AI Agent从错误中学习，把纠正变成永久的记忆升级。