Intro#

最初是为 OpenClaw 设计的，但是我觉得有一些设计还是挺有意思的，这里就单拎出来分享一下，首先设计了七/八层记忆（取决于你是否算上 L0）。

本身也是分级设计，根据用户需求分层设计，三个等级：lite，pro，ultra，只有 ultra 时才启用图数据库，每一种模式启用的记忆层级也各不相同。

上四层是 vector-db 存储的向量，在记忆读取的时候做召回（当然实际在搜索的时候有 tag 的对比，没错，每一条记忆也会打 tag），下三层用的是图数据库（比如 Neo4j 这种）主要存储的是 entity 之间的关系，然后有一个 evidence boost 的算法设计，实体之间的关系从 L2 FACT 处获取，FACT 的数据可以理解为图数据之间的 evidence，如果 evidence 数量越多，召回越优先。

reconciler#

有一个比较有意思的设计是 reconciler，看上去很像一个链表，双向链表：

1
supersedes 指针 -> 建立链（writer 判断）-> 然后 reconciler 解决冲突
2

3
-> if “删除” 修复链（解决链表CRUD问题） -> ID映射、持久化等

主要解决的问题是，记忆的更新和迭代性，官网有一个例子，我这里举一个简单的，比如一个用户以前喜欢喝咖啡，现在喜欢喝茶，那么 LLM 判定这是否是一个更新的状态还是链式的变化，这里有一个超长的 prompt，用 AI 总结了一下主要的依据是如下：

Reader#

WARNING

代码中有一些瑕疵，并没有把 L4 层的记忆写进 profile 分组，最终会回落到 normal 分组。

检索和召回方式主要有 hybrid，hybrid_tag，hybrid_v2 这写，其中前两者用的是 bm25+vec 的双路 RRF¹，k 是固定值，rank 越高分母越小，整个数就越大，越容易召回。bm25 是他们自己手搓实现的，感兴趣可以自己看代码。v2 bm25 处使用的是 Qdrant 的 text_search，ultra 的话还会有图召回。

Graph#

读取 VDB 中的 FACTS，归纳生成 graph memory 如 L6_SCHEMA / L7_INTENTIONFACTS 作为 evidence，保留一个引用， 作为一种 bridge 来链接这两类数据形式在召回的时候，Graph 可以作为独立通道参与语义召回，有 evidence boost 相关的算法进行排序，贴一张 AI 的流程图，感觉是个常规流程，不赘述。

SDK output#

最后会输出三块内容，可以根据你的产品需求自行选用。

1
  profile   -> 放到 system/developer prompt，作为长期用户背景
2
  normal    -> 放到当前 query 的相关上下文
3
  proactive -> 放到提醒/建议/待办触发逻辑，不一定直接塞进回答

Conclusion#

总体来说像 mem0 + graphiti，还是十分可用的，有些设计思想我认为是很有意思的，但是并没有专门的代码仓库那样方便获取和维护（但是可以下载下来解包获取，注意遵守协议）。

mermaid#

这里是我认为比较有意思的点，agent 的压缩也一直是业界的一个难点，这里用 mermaid 来表示 tools 调用，可以让 LLM 更直观的理解过程的工具调用，同时压缩了 tokens 对于上下文的占用。很有巧思的设计。

其他#

记忆也采取了一个分层的设计，见仓库 README 插图，其中下两层的数据格式是 Json 字段，上两层为 markdown 文档，底层记忆向上层提供素材，很标准的金字塔结构。

不使用图数据库，使用支持向量的数据库就够了。官方使用的是 sqlite-vec 作为本地记忆存储。markdown 对于公司的多用户 agent 产品不太友好（虽然可以上 COS 解决，后续决定存储为文本到数据库，由于数据库用的是 PostgreSQL，后续也 vibe 了一些代码适配 PG，还在调试中。

TIP

其实确定了你的数据库设计表字段等，vibe 很简单，本身项目的 server 是支持 http 的，如果你需要别的调用方式自己添加。

结构整体不难，L0 记忆是 raw log，只记录 user 和 assistant 的 content。L1 的提取有个定时任务，L0 6 轮对话后也会触发一次，由模型自主判断是否抽取记忆。L2 再从 L1 进行场景提取，L3 再提取人格。最后拼到 Agent prompt，拼接这里理论上 L1 以上都进行拼接，在我本地的实际应用层面上只调取了 L3 内容。

感受#

我的配置

chat model: kimi-k2.6
memory model: gemini-3.5-flash

这个项目的 agent memory 设计的很克制，可配置项很多，总体感觉也很轻量，没有上图数据库，memory 作为 agent 的补充体验本身就应该是无感的设计，claude code 的 memory 设计也很克制。虽然现在是 pre-release 版本，还是有很多 server 上的设计不善完全，但是掌握一点 vibe coding 后应该能改成你需要的样子。