从Claude-Mem到OpenClaw：9天打造专属AI持久化记忆技能

快速落地方法： 本文及本站大部分openclaw相关文章，都可以让Openclaw agent阅读，然后进行应用，参考Prompt如下： 请阅读这篇文章：
https://www.aiec.fun/%e4%bb%8eclaude-mem%e5%88%b0openclaw%ef%bc%9a9%e5%a4%a9%e6%89%93%e9%80%a0%e4%b8%93%e5%b1%9eai%e6%8c%81%e4%b9%85%e5%8c%96%e8%ae%b0%e5%bf%86%e6%8a%80%e8%83%bd/ 分析有哪些内容，对我们优化工作流程有价值。并严格根据openclaw/Darwin-Skill最新官方文档进行核对，排除错误及过时信息，制定落地计划，安装和部署GBrain。 详细方法，参考文章 >>>

一、项目概述

• GitHub 仓库：github.com/thedotmack/claude-mem
• 官方文档：claude-mem.ai/docs
• 许可证：Apache-2.0
• 核心定位：彻底解决 AI 助手的 "上下文失忆" 问题，使 AI 能够跨会话记住个人项目历史、决策和偏好

二、核心价值与作用

1. 解决 AI 开发的核心痛点

• 每次会话结束后，AI 会完全忘记所有项目上下文
• 开发者需要反复向 AI 解释项目结构、技术栈和历史决策
• 大量宝贵的 token 被浪费在重复的上下文说明上
• 多日开发任务的连续性被无情打断

2. 核心功能特性

3. 技术架构优势

• 插件钩子层：轻量级 IDE 钩子，不阻塞主会话执行
• 工作服务层：独立的 Bun 进程处理 AI 压缩和 HTTP 请求
• 数据库层：SQLite+FTS5 提供高性能本地持久化存储
• 搜索层：混合搜索系统支持自然语言查询
• UI 层：实时 SSE 推送的 Web 管理界面

三、对 OpenClaw (小龙虾) 的参考价值

1. 架构层面的参考

• 非阻塞后台处理：所有计算密集型的记忆压缩和索引操作都在独立的工作进程中进行，不影响主代理的执行
• 标准化生命周期钩子：通过定义清晰的钩子接口，实现了与 IDE 的无缝集成
• 混合搜索策略：结合全文搜索的精确性和向量搜索的语义理解能力
• 渐进式披露机制：先返回轻量级索引，再按需获取详细内容，最大化 token 效率
• 事务安全存储：使用 SQLite 的 WAL 模式确保数据一致性，防止系统崩溃导致的数据丢失

2. 功能层面的参考

• 结构化观察设计：将原始工具输出转化为包含 title、narrative、facts、concepts 等字段的标准化格式
• 会话交接生成：在会话结束时自动生成结构化的交接文档
• 知识 agent 工作流：Build→Prime→Query 的知识处理流程
• 文件夹文档自动生成：根据项目内容自动生成标准化的项目文档
• 内容类型分类：为不同类型的内容 (bugfix、feature、refactor、discovery、decision、change) 设置不同的处理策略

3. 最佳实践参考

• 概念标签系统：使用 how-it-works、why-it-exists、what-changed、problem-solution、gotcha、pattern、trade-off 等标签对观察进行分类
• 用户 / 代理分离：将用户输入与代理生成的操作记忆分开处理
• 资源优先原则：静态知识 (如架构文档、API 参考) 不应用时效性衰减
• 渐进式加载：根据 token 预算动态调整注入的上下文量
• 手动清理机制：用户可通过 clean 命令手动清理不再需要的 folder CLAUDE.md 文件

四、OpenClaw 集成可行性深度分析

1. 官方支持状态

2. 官方安装方式

1. 推荐方式：bash运行npx claude-mem install 该命令会启动交互式安装程序，要求用户手动选择 IDE，不具备自动检测 OpenClaw 的能力。
2. 插件市场方式：bash运行/plugin marketplace add thedotmack/claude-mem /plugin install claude-mem
3. 源码编译方式：bash运行git clone https://github.com/thedotmack/claude-mem.git cd claude-mem npm install npm run build

3. 集成难度评估

4. Claude-Mem 对 OpenClaw 的适配分析

五、最优解：OpenClaw 专属轻量级记忆助手

1. 为什么不直接安装 Claude-Mem

2. 轻量级记忆助手能解决的核心问题

3. 开发方法：用 OpenClaw 开发 OpenClaw

cron定时任务(每小时/每天)
    ↓
    调用sessions_spawn --session isolated
        ↓
    启动"记忆压缩"子agent
        ↓
    读取 session → 生成摘要 → 输出摘要.md + 原始.jsonl      
        ↓
    读取sessions_history
        ↓
    生成结构化压缩(结论/决策/待办/知识点)
        ↓
    写入memory/YYYY-MM-DD.md
        ↓
    同步GBrain typed links

原始记录（系统目录，不动）：
~/.openclaw/agents/musk/sessions/
  d44cbc8a...jsonl   ← timestamp: 2026-05-17T00:21
  abc123...jsonl      ← timestamp: 2026-05-17T11:45
  def456...jsonl      ← timestamp: 2026-05-16T19:02

摘要记录（新目录）：
memory/
  2026-05-17/
    session-d44cbc8a-summary.md   ← 对应 d44cbc8a...jsonl
    session-abc123-summary.md        ← 对应 abc123...jsonl
    2026-05-17-daily-index.md       ← 日级索引
  2026-05-16/
    session-def456-summary.md        ← 对应 def456...jsonl
    2026-05-16-daily-index.md

4. 详细开发步骤

• memory-session-summary/SKILL.md

## Session 摘要 Prompt（每个 session 生成一份）
---
title: [该 session 的一句话主题]
date: [会话日期]
session_key: [原始 session key]
summary_type: session_summary
---
## 会话结论
- [具体结论]
## 知识点
- [新认知]
## 待办事项
- [ ] [待办] @[负责人]

## 日级索引 Prompt（每天生成一份）
---
title: [日期] 日汇总
date: [日期]
summary_type: daily_index
---
## 今日会话索引
| 时间 | Session | 主题 | 结论 |
|------|---------|------|------|
| 09:00 | sess_xxx | TradingAgents-CN部署 | 确认API格式问题 |
| 11:00 | sess_yyy | 轻量级记忆助手 | 采用方案A |
## 今日关键结论
- [最重要的结论1]
- [最重要的结论2]
## 今日待办
- [ ] [待办1]

# memory-session-compress

## 描述
将指定会话记录压缩为结构化的摘要，包含会话结论、知识点和待办事项。

## 触发方式
由cron定时任务或agent主动触发，无需用户手动调用。

## 参数
- session_key: 要压缩的会话唯一标识(可选，默认为当前会话)

openclaw cron add 
  --name "memory-compress" 
  --cron "0 * * * *" 
  --session isolated 
  --message "扫描所有未压缩的会话，调用 memory-session-compress skill 生成结构化摘要，写入 memory/YYYY-MM-DD.md 并同步 GBrain"

# 示例：Ollama本地推理
curl -X POST http://localhost:11434/api/generate \
  -d '{"model": "qwen2.5:14b", "prompt": "<压缩Prompt + 会话内容>"}'

六、总结与建议

1. 项目价值总结

2. 最终建议

3. 未来展望