（1112期）Reclaw – AI 会话的持久化记忆引擎

AI 会话的持久化记忆引擎 Reclaw 是一款基于追加式事件日志的 AI 会话记忆系统，自动捕获任务、事实、决策等结构化数据，支持语义检索与主题追踪，确保跨会话上下文连续性。 使用说明 核心用法 Reclaw 是一套为 OpenClaw 环境设计的记忆管理技能，采用追加式事件日志（append-only event log）架构，替代传统的每日记忆文件。所有用户特定信息以结构化条目形式存储于 log.jsonl，通过自动提取钩子捕获会话中的关键内容。 记忆工作流程 MEMORY.md 自动加载：每个会话开始时加载，包含手动维护的目标/偏好区与自动生成的 Reclaw 记忆快照 会话摘要提取：会话结束后自动写入 MEMORY.md 主题投影生成：在 ~/.openclaw/reclaw/memory/ 下生成 Markdown 文件，供 OpenClaw 内置语义索引使用 工具调用：通过 memorysearch 和 memoryget 进行精准检索（仅当需要特定信息时调用） 五大条目类型 | 类型 | 用途 | 关键特性 ||:---|:---|:---|| task | 行动项、后续跟进 | 含 status: open/done || fact | 用户特定信息 | 偏好、事件、观察、里程碑 || decision | 带推理的选择 | detail 字段记录"为什么" || question | 未解决的开放问题 | 后续同主题条目可解决 || session_summary | 会话边界状态 | 每会话一条，汇总进行中事项 | 主题（Subject）系统 所有非会话摘要条目均关联一个 kebab-case 主题标识（如 auth-migration、alice-chen），支持项目/人员/系统/话题四种类型，可通过 CLI 管理主题注册表。 显著优点 不可变审计追踪：追加式设计确保完整历史可追溯，避免记忆覆盖丢失上下文 智能语义检索：结合关键词过滤、结构化查询与语义搜索，支持跨主题关联 自动化工作流：提取、投影、索引全程自动化，减少人工维护负担 引用追踪机制：[<12-char-id>] 引用格式提升常用条目的记忆持久性 硬过滤原则：严格区分"用户特定信息"与"通用知识"，保持记忆纯净度 潜在局限 环境依赖性强：需预装 Reclaw 插件与 OpenClaw 环境，无法独立运行 学习曲线陡峭：kebab-case 命名、主题类型管理、CLI 命令体系需一定适应期 追加式修正成本：错误信息需额外条目纠正，历史噪声累积可能降低可读性 工具可用性不确定：memorysearch/memoryget 仅在插件注册后才可用 夜间快照延迟：自动生成依赖夜间批处理，实时性弱于即时写入系统 适合人群 需要长期跨项目记忆连续性的开发者与技术决策者 使用 OpenClaw 环境且追求可审计、结构化记忆的高级用户 重视用户上下文隔离（vs 通用知识）的隐私敏感型用户 愿意投入学习成本换取自动化记忆管理的效率追求者 常规风险 | 风险类型 | 说明 ||:---|:---|| 数据持久性 | 日志文件损坏或丢失将导致完整记忆断裂，需配合备份策略 || 隐私边界模糊 | "用户特定信息"判定依赖主观标准，存在过度/不足捕获风险 || 工具幻觉 | 若插件未正确加载，模型可能误认工具可用性 || 主题命名漂移 | 不一致的 kebab-case 命名导致条目分散，检索遗漏 || 引用依赖偏差 | 高频引用条目可能过度占据快照空间，边缘信息流失 | 安全评估 Reclaw 作为本地优先的日志系统，不涉及网络传输，但需注意： 日志文件可能包含敏感个人信息，需确保 ~/.openclaw/reclaw/ 目录权限控制 CLI 导入功能处理外部聊天记录时存在解析风险，建议使用前审查源文件 原始说明 Use when accessing memory, recording information, searching prior context, or managing subjects.