第六章：记忆与上下文子系统

章引言

记忆是智能体系统的第二大脑。没有记忆，Agent 无法学习，每次对话都是从零开始。记忆系统决定了智能体是否能够：

• 记住用户的偏好和背景

• 在多个会话间保持一致性

• 学习和改进其行为

• 高效地处理长时对话（通过压缩而非简单截断）

本章将深入 Harness 的记忆设计，对比 Claude Code 和 OpenClaw 的不同方法。

核心设计问题

1. 多层架构：工作记忆（当前会话）、短期记忆（会话间）、长期记忆（持久化）如何划分？

2. 可写入性：Agent 不仅读取记忆，还要能更新和创建记忆

3. 组装能力：如何从多个来源的记忆组装出完整的上下文？

4. 整合机制：长对话中，何时触发记忆整合（压缩/清理）？

两个参考系统

Claude Code 的三层模型：

• 对话历史：当前会话的完整消息

• CLAUDE.md：用户反馈、项目信息、参考资料

• autoDream 系统：三门触发、四阶段整合(Orient→Gather→Consolidate→Prune)

OpenClaw 的双层模型：

• MEMORY.md：永久性记忆（关键事实、学习、历史）

• 每日日志：当前会话的详细记录

• memory_search 语义检索：找到相关的历史信息

• 自动刷写：70% 上下文触发记忆整合

本章结构

• 6.1：多层记忆架构

• 6.2：可写入式记忆

• 6.3：上下文组装引擎

• 6.4：记忆整合与压缩

• 6.5：MiniHarness 记忆实现

• 本章小结

记忆系统是智能体系统中最复杂但也最关键的子系统之一。