它的记忆超级好

“它是电脑啊！只要硬盘没坏，我说过的话它怎么可能忘？”

这是很多新手第一次接触智能体时很自然的想法。

但现实是：AI 的“记忆”更像一套工程机制，而不是人类那种会自己整理、会自己取舍、还能在关键时刻想起来的记忆系统。你用得越久，越需要把“记忆”当作一个需要维护的组件。

先搞清楚：它有两种“记忆”

1. 短期记忆：上下文窗口（当前对话）

你可以把上下文窗口理解成“它此刻能拿来参考的聊天记录 + 你塞进去的文件片段”。它有几个特点：

• 容量有限：信息一多，就会开始丢前面的内容。
• 优先级不稳定：你以为“第一天定的规则最重要”，但当后面塞了大量代码/日志/闲聊，它的注意力可能会被挤走。
• 不会自动归档：对话结束就结束了，除非你把关键信息沉淀到文件里。

所以你会看到一种常见现象：越聊越长，越到后面越像“换了个人”，不是它故意的，而是它此刻“能看到的材料”已经变了。

2. 长期记忆：写进工作区的持久化文件

为了让信息跨会话保留下来，OpenClaw 通常会把一些内容写进工作区（例如 MEMORY.md，或你自己维护的规则文档）。这确实能解决一部分“聊着聊着就忘了”的问题，但也带来一个新风险：

如果你把所有东西都往同一个文件里塞，长期记忆会变成一个很难检索的“大杂烩”。到那时它不是“记得太多”，而是“翻不出来重点”。

一个比较实用的判断标准是：

• 应该进长期记忆的：稳定偏好、长期约束、固定流程、项目名词解释、必要的环境信息（例如端口、目录、命令入口）。
• 不该进长期记忆的：一次性的报错全文、临时测试脚本、某次对话的情绪化表达、只对当下有效的临时约定。

还要注意：模型能力会影响“记忆使用效果”

即使你把文件整理得很清楚，不同模型在“从一堆材料里抓住重点并正确套用”的能力上差异也很大。

你不必纠结名词，简单理解就行：推理更强的模型更擅长把“历史约束”和“当前任务”对齐；推理弱一些的模型更容易只看到表面关键词，出现跑偏。

这不是说“弱模型不能用”，而是提醒你：当你感觉它经常误用旧规则、抓错重点时，除了改提示词，也要检查两件事：

1. 记忆是不是太杂、太长、太像聊天记录
2. 当前任务是不是确实需要更强的推理能力

怎么做更稳：把记忆当成“可维护资产”

下面这些做法不复杂，但很管用：

1. 分层放置：把“长期有效的规则”放在固定位置；把“当次任务材料”放在单独文件或隔离会话里，避免污染主记忆。
2. 写成可复用的条目：尽量用短句、清单、约束式表达，而不是大段叙述；让它容易引用，也让你以后容易删改。
3. 定期复查：每隔一段时间回看一次 MEMORY.md，把过时的内容删掉，把含糊的描述改成更明确的“边界 + 例外 + 验收标准”。
4. 把“怎么用记忆”写进规则：比如明确“遇到某类任务先读哪个文件”“哪些内容禁止写进长期记忆”。

你也可以用**“和龙虾聊天”**的方式把这件事做得更轻松：让它把复查流程跑一遍，并给你一个可直接确认的改动清单。

例如你可以这样说：

请你帮我做一次记忆体检。

目标：让你后续做任务更稳定、少跑偏。

请你先阅读工作区里的长期记忆文件（例如 MEMORY.md 或同类文件），然后按下面规则输出结果：
1）列出 5-10 条你认为“应该保留”的长期记忆（用一句话说明为什么）。
2）列出 5-10 条你认为“应该删除/移动到临时记录”的内容（说明原因：过时/一次性/太细/像日志）。
3）对每条“应该保留但写得不清楚”的内容，把它改写成“边界 + 例外 + 验收标准”的格式。
4）最后把你建议的改动整理成一个可直接应用的 diff（或逐段替换文本），让我一眼能确认。

注意：不要把报错全文、一次性聊天内容写回长期记忆；不确定的地方先标注为“待确认”，不要擅自编。

如果你希望它更像一个长期合作的伙伴，而不是每次都从零开始的聊天框，这套维护习惯会比“多写几句提示词”更重要。