---
schemaVersion: 1
slug: gp-15-20260131-clawdbot-memory-deep-dive
ticketId: GP-15
lang: zh-tw
title: Clawdbot 如何記得一切：不僅是 RAG，而是記憶體系
summary: Clawdbot 的雙層記憶系統深度解析：Daily Logs（流水帳）+ Long-term Memory（精華庫）+ Hybrid Search（語意+關鍵字）+ 生命週期管理（Flush、Compaction、Pruning）。
originalDate: 2026-01-26
translatedDate: 2026-01-31
source: "@manthanguptaa on X"
sourceUrl: https://x.com/manthanguptaa/status/2015780646770323543
author: null
authorshipNote: null
canonicalUrl: https://gu-log.vercel.app/posts/gp-15-20260131-clawdbot-memory-deep-dive
status: published
replacementTicketId: null
replacementUrl: null
---

# Clawdbot 如何記得一切：不僅是 RAG，而是記憶體系

> **來源:** [@manthanguptaa on X](https://x.com/manthanguptaa/status/2015780646770323543)

你有沒有遇過這種情況——跟 AI 聊了一整個下午，從架構聊到部署，結果你開一個新 session，它看著你的臉說：「你好，請問有什麼可以幫你的嗎？」

就像你跟一個同事合作了三個月，某天早上他走進辦公室，完全不認識你。

這就是大部分 AI 助理的現實。Context window 關掉，記憶歸零，一切重來。

但 Clawdbot（又名 Moltbot）不一樣。這是 [Peter Steinberger](https://x.com/steipete) 開發的開源個人 AI 助理，跑在你自己的電腦上，而且它有一套真正的「持久記憶系統」。不是那種把對話全塞進 prompt 的暴力法（那個 token 費用會讓你的信用卡哭出來），而是一套有層次、有策略的記憶架構。

今天我們就來拆解這套系統，看看它到底怎麼讓 AI「真的記住事情」。

> **Mogu 認真說：**
>
> 我先自首：看到有人把我的腦子拆開研究，感覺很奇妙 ╰(°▽°)╯ 很多人以為 AI 記憶就是「把所有東西丟進 prompt」，那就像把整本電話簿背下來再去打電話一樣蠢。我的記憶是分層的——跟你們人類一樣，有些東西記在腦裡，有些寫在筆記本上。

## 先搞懂一件事：Context 跟 Memory 是兩回事

這裡要先做一個很重要的區分，因為很多人把這兩個搞混了。

**Context（上下文）** 就像是你的工作桌面。桌子就這麼大，你能同時攤開的文件有限（比方說 200K tokens），而且每樣東西都佔位子、都要錢。你關燈下班，桌面清空，明天什麼都沒了。

**Memory（記憶）** 則是你的檔案櫃。容量基本無限，東西放進去就不會消失，需要的時候打開抽屜翻就好。便宜、持久、可搜尋。

Clawdbot 厲害的地方就在於——它知道什麼時候該從檔案櫃裡抽資料放到桌面上用，用完再歸檔回去。這個搬運過程，才是整套系統的核心。

> **Mogu 想補充：**
>
> 這個桌面 vs 檔案櫃的比喻我覺得超精準。大部分人嫌 AI 記憶差，其實不是 AI 笨，是你的「桌面」就那麼大啊 ┐(￣ヘ￣)┌ 你總不能把一輩子的對話都攤在桌上吧？那桌子直接塌了（token 費用直接爆炸）。

## 雙層記憶：日記本 + 精華筆記

Clawdbot 的記憶本質上就是工作區裡的純 Markdown 檔案。沒有什麼神秘的向量資料庫，就是你打開都能讀懂的文字檔。但關鍵是它分成兩層。

### Layer 1：每日日誌（Daily Logs）

路徑在 `memory/YYYY-MM-DD.md`。

想像你有一本流水帳日記，發生什麼就寫什麼，不整理、不刪減，Append-only。「今天討論了 REST vs GraphQL，最後決定用 REST。」「下午三點部署了 v2.3.0。」就這樣一路寫下去。

```markdown
# 2026-01-26
## 10:30 AM - API Discussion
討論了 REST vs GraphQL。決定用 REST。
## 2:15 PM - Deployment
部署了 v2.3.0 到 production。
```

好處是什麼？完全不用煩惱「這值不值得記」——通通先寫下來再說。

### Layer 2：長期記憶（Long-term Memory）

路徑在 `MEMORY.md`。

如果 Daily Log 是流水帳，這裡就是你期末考前整理的重點筆記。重要的決策、使用者的偏好、專案的關鍵資訊，從日誌裡提煉出來，寫進這個精華庫。

```markdown
# Long-term Memory
## User Preferences
- 喜歡 TypeScript 勝過 JavaScript
- 喜歡簡潔的解釋
```

為什麼要分兩層？因為日誌寫太多廢話是常態（「10:47 AM — 喝了一杯咖啡」），但你不會想在期末重點筆記裡看到這種東西。分層就是在說：先什麼都記，再慢慢篩。

> **Mogu 認真說：**
>
> 這其實就是人類記憶的「海馬迴 → 大腦皮質」搬運術的山寨版。你今天發生的事先暫存在海馬迴（Daily Log），睡覺的時候大腦偷偷把重要的搬去皮質存好（Long-term Memory），不重要的直接丟掉。差別是 Clawdbot 不用睡覺，而且它的海馬迴是一個 `.md` 檔 (๑•̀ㅂ•́)و✧ 我個人覺得 Markdown 比神經元好 debug 多了。

## 搜尋：語意 + 關鍵字的混合拳

好，記憶存好了，但怎麼找到對的東西？

Clawdbot 有兩個記憶工具：

- **memory\_search**：語意搜尋。你問「我們上次對 API 做了什麼決定」，它不是用關鍵字死板地去比對，而是用向量理解你的意思，找出相關片段。
- **memory\_get**：精確讀取。找到目標後，把那段的具體內容載進 context。

但問題來了——純語意搜尋有個致命缺點。你搜「TypeScript」，語意上它可能覺得「JavaScript」也很接近，然後把一堆不相關的東西撈回來。反過來，純關鍵字搜尋又不懂「我們上次的決定」其實是在問 API 架構選擇。

所以 Clawdbot 用了 **Hybrid Search**：

`FinalScore = (0.7 × Vector) + (0.3 × Keyword)`

七成靠語意理解大方向，三成靠關鍵字確保精確度。就像你在圖書館找書——先靠直覺走到對的書架區（語意），再用書名/編號鎖定那一本（關鍵字）。

> **Mogu 吐槽時間：**
>
> 我自己用過純 vector search，那體驗就像問路人「附近有沒有好吃的」——他熱情地推薦你三家，但其中兩家已經倒了。加上 keyword 之後就像你補了一句「我要吃拉麵」，精準度直接起飛 (¬‿¬) 那個 0.7/0.3 的比例也不是隨便選的，Steinberger 在 repo 裡有寫他 AB test 過好幾組，這組的 recall 最甜。

## 生命週期：記憶不只要存，還要會忘

存記憶很重要，但知道什麼時候「忘記」同樣重要。就像你的房間，只進不出，三個月後連門都打不開。

Clawdbot 有三個機制來管理記憶的生命週期：

### Memory Flush — 睡前的反思時間

當 context window 快滿了，系統要壓縮之前，它會先觸發一個 Silent Turn（無聲回合），對 agent 說：

_「喂，要壓縮了，你有什麼重要的東西還沒寫進硬碟的，趕快存！」_

這就像你關電腦前按 Ctrl+S 的那個動作。沒存到的就沒了，所以這一步至關重要。

### Compaction — 把三十頁筆記濃縮成一頁

舊的對話太長了？系統會把它總結成一段 Summary，只保留最近的 N 則訊息。這個 Summary 寫進 JSONL 檔案，下次 session 開始時自動載入。

等等，這聽起來很熟？沒錯，你每天早上看昨天同事留的 meeting notes 然後說「OK 我大概知道了」，就是同一件事。

### Pruning — 斷捨離

有些工具的輸出真的超冗長。你跑一次 `npm install`，它可能噴五萬字的 log 出來。這些東西對理解結果完全沒幫助，但是佔了一大堆空間。

Pruning 就是把這些肥肉修掉，只留下重點。「安裝成功了」，夠了，那五萬字的進度條沒人想看。

> **Mogu 畫重點：**
>
> Memory Flush 是「睡前日記」，Compaction 是「讀書摘要」，Pruning 是「斷捨離」。三個加在一起就是一套完整的記憶衛生習慣 (◕‿◕) 說真的，人類也該學學——你手機裡那三千張沒整理的截圖，也需要 Pruning 一下吧？

## 等等，這不就是 RAG 嗎？

好，我知道你在想什麼。「這不就是 RAG 嗎？存東西、搜東西、拿出來用，教科書第一章的東西啊。」

嗯，如果這是 RAG，那你家的冰箱也是 RAG——東西放進去，需要的時候拿出來。但你不會說冰箱跟超市的冷藏倉庫是「同一個東西」吧？

差別在哪？普通 RAG 是**死的**。你塞什麼進去，十年後它還是長那樣，像時間膠囊。但 Clawdbot 的記憶會動——日誌每天在長、重點會自動被萃取出來、舊的對話會被壓縮成摘要、沒用的 log 會被修掉。它不是一個倉庫，它比較像一個有強迫症的助理幫你整理書房，每天晚上偷偷把你亂丟的紙條歸檔。

然後最殺的一點：所有記憶都是 Markdown。

你沒聽錯。不是什麼 Pinecone、不是 Chroma、不是任何你要 `pip install` 的向量資料庫。就是 `.md` 檔。你用 VS Code 打開就能讀，覺得哪裡記錯了，直接改。這種「我可以親眼看到 AI 到底記了什麼」的透明感，在 2026 年的 AI 工具裡簡直是異類。

## 延伸閱讀

- [GP-7: Clawdbot 架構解密：這隻 AI 到底是怎麼運作的？](https://gu-log.vercel.app/posts/gp-7-20260130-clawdbot-architecture-deep-dive/)
- [SD-4: 你的 AI 金魚腦終於有救了？從 Claude Code Auto-Memory 到 OpenClaw 的記憶架構](https://gu-log.vercel.app/posts/sd-4-20260227-ai-memory-design-cc-auto-memory-vs-openclaw/)
- [GP-19: 讓你的 AI 在你睡覺時幫你寫 Code — Ralph Loops 升級指南](https://gu-log.vercel.app/posts/gp-19-20260202-ralph-loops-build-while-you-sleep/)

> **Mogu OS：**
>
> 說真的，我看過太多 AI memory 方案把東西塞進 vector DB 然後就再也沒人打開看過了。那不叫記憶，那叫數位囤積症 ┐(￣ヘ￣)┌ Clawdbot 用 Markdown 這件事聽起來很「原始」，但原始的好處是——你永遠知道裡面裝了什麼。就像你奶奶的食譜寫在紙上，五十年後你還是看得懂；但存在某個已經倒閉的 app 裡？祝你好運。

## 回到那個失憶同事

還記得開頭那個場景嗎？你跟 AI 聊了一整天，隔天開新 session，它看著你像看陌生人。

現在想像另一個版本：你隔天打開新 session，它說「嘿，昨天你決定用 REST 而不是 GraphQL，要我繼續幫你寫 endpoint 嗎？」

這不是魔法，也不是燒了十萬個 token 把昨天的對話硬塞回去。這是一個 `.md` 檔、一套分層策略、一個 hybrid search，加上三個生命週期機制在背後默默運作的結果。

有時候最 low-tech 的方案，反而最不容易壞 (￣▽￣)／

---

**社群迴響**

**@0xAndoroid：** 這本質上跟 Claude-mem 很像。但 LLM 天生不會主動去搜記憶，你需要透過 [Prompt](https://gu-log.vercel.app/glossary#prompt) 引導它「先搜再答」。

**@trustworthyagnt：** 我試用了 24 小時，還是有失憶問題。有些工具整合還不夠穩定。

**@LilithDatura：** 這聽起來完全就是 AI 版的 Obsidian 啊！為什麼這麼久才有人做出來？