最近,OpenClaw全球刷屏,GitHub近20 stars的成绩背后,很多人都盯着它的多平台对话能力。但在我们看来,它能够够跨平台、跨会话的长期AI记忆系统的设计,也同样可圈可点。在OpenClaw,AI会自动写 daily logs并以md格式存储,人类可以手动对其进行维护,并提炼长期原则,让AI记忆变得可控、透明且管理高效。而我们,也正是被这套记忆系统打动,然后做了一件事:把它的核心设计抽离出来,做成了memsearch,让任何开发者都能给自家Agent加上持久、透明、可控的记忆,不用被OpenClaw的单一形态所限制。项目地址:https://github.com/zilliztech/memsearch(MIT开源,可直接商用)
01
先搞懂:OpenClaw的记忆系统,到底牛在哪?
要理解OpenClaw的记忆,首先得分清两个容易混淆的概念:上下文和记忆。先说说上下文,上下文主要包括四部分:静态+条件化的系统提示词、AGENTS.md和SOUL.md这类引导文件的项目上下文、过往的对话历史(包括消息、工具调用记录和压缩摘要),还有你当下发的消息。其实就是每次你给OpenClaw发请求时,agent能接收到的所有信息,整体内容会更精简。再来看看记忆,它是存在你本地磁盘里的持久化数据,是历史会话、历史文件、用户偏好等的总和,采用的是全量存储。具体的记忆构建细节,我们就不再本篇文章展开了。详情可参考拆解:OpenClaw就是agent记忆的最佳范式!其逻辑与RAG有何区别?其中最值得一提的是,OpenClaw的所有记忆,都是以 Markdown 格式存储在本地文件中,除了智能体自动写入,你也可以直接手动编辑这些 md 文件,而向量数据库只是派生索引。而且只要md文件修改并保存,系统会自动对新内容重新建立索引,确保后续能被正常检索,不用额外执行操作。这种模式,相比Mem0、Zep等主流把向量数据库当成唯一记忆来源的形式,有三个优点:透明(MD格式,打开就知道AI记了什么)、可编辑(改完直接生效)、可移植(复制文件就能迁移),但问题也很突出:想用这套记忆系统,你必须运行整个OpenClaw生态:Gateway进程、消息平台连接、工作区配置……对于只想给自家Agent加个持久记忆的开发者来说,门槛太高了。这就是我们做memsearch的初衷:保留OpenClaw的核心记忆理念,去掉所有冗余,做成一个能插在任何Agent框架里的轻量化库。
02
memsearch核心思路:可编辑、插件化、高度透明
memsearch完全继承了OpenClaw的Markdown优先的理念,你的所有AI记忆,都以明文形式存在本地文件夹里,结构清晰到不用查文档就能看懂:
~/your-project/└── memory/ ├── MEMORY.md # 手写的长期记忆 ├── 2026-02-09.md # 今天的工作日志 ├── 2026-02-08.md └── 2026-02-07.md
建立在此基础上,Milvus只是一个辅助工具,用来给Markdown内容建立索引,加快搜索速度。哪怕你删掉向量数据库文件,只要Markdown还在,重新索引5分钟就能恢复所有记忆。记忆存在 Markdown 文件里。打开就能看懂 AI 记住了什么,vim 改完自动重新索引,git clone 就能带走。向量数据库(Milvus)只是个可重建的索引,随时可以删掉重来。这样设计有几个好处。好处 1:透明可读,调试容易传统方案:即使AI 回答错了,你也不知道它记住了什么,为什么错。然后得写代码调 API 查数据库,但看到的全是向量和JSON,根本看不懂语义。memsearch方案:直接打开memory文件夹下的对应Markdown文件,就能看到AI的完整记忆:
## Morning- Fixed N+1 query issue — switched to selectinload()- Query count dropped from 152 to 3
如果 AI 说错话,可能是这段记忆过时了。vim 改一下,保存,系统自动重新索引。5 秒解决问题。
好处 2:版本控制,团队协作传统方案:记忆存在数据库里,谁改了什么、什么时候改的,只能查审计日志(很多方案甚至没有),协作成本极高。memsearch方案:直接用Git管理Markdown文件,一行命令就能追溯所有修改记录:
git log memory/MEMORY.mdgit diff HEAD~1 memory/2026-02-09.md
团队PR评审时,你甚至能直接评审AI的记忆,比如有人新增了架构决策,有人修改了配置信息,所有变更都一目了然:
+ ## Architecture Decision+ - Use Kafka for event bus instead of RabbitMQ+ - Reason: better horizontal scaling
好处 3:迁移自由,不被锁定传统方案:如果用了Mem0想换Zep或者其他记忆框架,就要导出数据、转换格式、重新导入,还可能出现字段不兼容,迁移一次要折腾大半天。memsearch方案:记忆是纯明文Markdown,迁移零成本,不用改一行代码。
- 换电脑:用rsync复制memory文件夹,直接能用
- 换embedding模型:重新执行索引命令,5分钟搞定,Markdown文件不动
- 换向量数据库部署模式:只改一行配置,比如从本地切换到云端:
比如你在用 Milvus Lite 开发,部署到生产时要换成 Zilliz…