上篇文章我扒了 Claude Code 泄露的 4756 个文件，里面有个叫 Auto Dream 的功能——AI 超过 24 小时没人用，自己在后台翻聊天记录整理记忆，跟人睡觉做梦一样。
说实话，看到那段代码的时候我挺受刺激的。
因为记忆这个事，是所有 AI 助手最头疼的问题。你跟它聊了半小时，它忘了开头你说的需求。重启一下对话，偏好又得从头讲。上周定好的方案？"什么方案？"
气人吧？但这真不是模型笨。问题出在上下文管理上——大模型的工作记忆就那么大一个窗口，对话越聊越长，最早的话就被挤掉了。往杯子里倒水，杯子就那么大。
Claude Code 在源码层面给出了一套完整的答案。OpenClaw 在产品层面也有自己的解法。
今天把两边拉在一起看看。
先说 Claude Code 源码里的记忆架构
从泄露的代码来看，Claude Code 的记忆系统主要有这几块：
memdir：8 个文件，管记忆的核心模块
源码里有个 memdir/ 目录，8 个文件：
memdir/findRelevantMemories.ts → 找相关记忆
memdir/memdir.ts → 主入口
memdir/memoryAge.ts → 记忆老化
memdir/memoryScan.ts → 扫描记忆
memdir/memoryTypes.ts → 记忆类型定义
memdir/paths.ts → 路径管理
memdir/teamMemPaths.ts → 团队记忆路径
memdir/teamMemPrompts.ts → 团队记忆提示词
几个有意思的点。
memoryAge.ts 说明 Claude Code 给记忆做了时间衰减——老记忆权重会慢慢降下来。teamMemPaths.ts 和 teamMemPrompts.ts 说明它已经在做团队级记忆了，不只是个人用户。findRelevantMemories.ts 说明它有记忆检索机制，不是每次把所有记忆全塞进去。
SessionMemory：会话记忆服务
services/SessionMemory/ 下面 3 个文件：
services/SessionMemory/prompts.ts
services/SessionMemory/sessionMemory.ts
services/SessionMemory/sessionMemoryUtils.ts
从命名看，这一层管的是单次会话内的记忆。它和 memdir 的关系大概是：SessionMemory 管短期，memdir 管长期。
agentMemory：Agent 专属记忆
工具列表里还有两个文件：
tools/AgentTool/agentMemory.ts
tools/AgentTool/agentMemorySnapshot.ts
这是给多 Agent 协作用的。当一队 AI 一起干活的时候，每个 Agent 有自己的记忆快照。这在我上篇文章提到的 Team 系统（TeamCreateTool、TaskCreateTool）里能用上——协调器给每个 Agent 分任务，每个 Agent 有独立记忆空间。
配置开关
在 Rust 重写的源码里，我找到了两个配置项：
"autoMemoryEnabled" => ConfigSettingSpec {
scope: ConfigScope::Settings,
kind: ConfigKind::Boolean,
path: &["autoMemoryEnabled"],
},
"autoDreamEnabled" => ConfigSettingSpec {
scope: ConfigScope::Settings,
kind: ConfigKind::Boolean,
path: &["autoDreamEnabled"],
},
autoMemoryEnabled 控制的是自动记忆——AI 在对话中自动把重要信息存下来，不用你手动让它记。
autoDreamEnabled 就是我上篇说的那个 Auto Dream——AI 空闲时自己整理记忆。
还有个 remember 技能藏在 skills/bundled/remember.ts 里，八成是让用户主动告诉 AI "记住这个"的功能。
Compaction：Rust 重写里的压缩逻辑
这个是最有料的部分，因为完整的 Rust 源码暴露了压缩的全部实现。
pub struct CompactionConfig {
pub preserve_recent_messages: usize, // 保留最近几条消息
pub max_estimated_tokens: usize, // 超过多少 token 触发压缩
}
默认保留最近 4 条消息，最大估算 10000 token。
压缩生成的摘要包含：
- 被压缩了多少条消息（user/assistant/tool 分别多少）
- 用过哪些工具
- 最近 3 条用户请求
- 待办事项（通过关键词 todo/next/pending/remaining 自动识别）
- 关键文件列表（从消息里自动提取文件路径）
- 当前正在做什么
- 完整时间线
我觉得这个设计相当周全。不是简单地"把旧消息总结成一句话"，而是结构化地保留了各种维度的上下文。
自动压缩的触发条件也找到了——累计输入 token 超过 20 万就自动压：
const DEFAULT_AUTO_COMPACTION_INPUT_TOKENS_THRESHOLD: u32 = 200_000;
还能通过环境变量 CLAUDE_CODE_AUTO_COMPACT_INPUT_TOKENS 调整。
/memory 命令
命令列表里有 /memory 和 /compact 两个命令。/memory 用来查看和管理记忆文件，/compact 手动触发压缩。灰度中的 Auto Dream 大概率也是通过 /memory 入口开启。
再来看 OpenClaw 的记忆系统
OpenClaw 的解法用一句话说就是：文件就是记忆。
需要记的东西，全写进 Markdown 文件。磁盘上写了什么，模型就"记得"什么。没写的？不存在。
土是土了点。但你会发现，它覆盖了 Claude Code 源码里记忆系统的主要能力层，而且有些地方更灵活。
三层记忆
跟 Claude Code 对应起来看：
第一层：工作记忆 — 当前对话的 context window。跟 Claude Code 的 SessionMemory 对应。
第二层：短期记忆（Compaction） — 对话快满了自动压缩。跟 Claude Code 的 Compaction 逻辑对应。Claude Code 默认 20 万 token 触发，保留最近 4 条。OpenClaw 在压缩前还会通知 Agent "快压缩了，赶紧存重要信息"，这个比 Claude Code 多了一步。
第三层：长期记忆 — 磁盘上的 Markdown 文件。跟 Claude Code 的 memdir 对应。
文件结构
~/.openclaw/workspace/
├── MEMORY.md # 长期记忆（相当于 Claude Code 的 memdir）
├── memory/
│ ├── 2026-04-01.md # 今天的日志
│ └── 2026-03-31.md # 昨天的日志
├── AGENTS.md # 行为规范（相当于 CLAUDE.md）
├── SOUL.md # 人格设定
├── USER.md # 用户信息
└── HEARTBEAT.md # 心跳任务（对标 KAIROS 的定时能力）
MEMORY.md 相当于 Claude Code memdir 里的长期存储。但 OpenClaw 多了一层设计：只在私聊加载。群组对话不会注入这些文件，隐私上多了一层保护。
memory/日期.md 是按天的日志，Agent 启动时读今天和昨天的。这个在 Claude Code 里没有直接对应，它的 SessionMemory 更偏会话级别。
记忆检索
Claude Code 有 findRelevantMemories.ts 做记忆检索。OpenClaw 给了两个工具：
memory_search — 语义搜索。同时用向量搜索和 BM25 关键词搜索：
最终分数 = 0.7 × 向量分数 + 0.3 × 关键词分数
向量搜索擅长处理同义不同词的情况（"Mac 主机"匹配"跑 gateway 的那台机器"），BM25 擅长精确匹配（commit hash、配置项名字）。两个一起用，互补。
memory_get — 精确读取。先 search 定位，再 get 取全文。
从 Claude Code 的 findRelevantMemories.ts 命名看，它大概率也是做类似的相关性检索。但具体算法不清楚——TypeScript 源码没在这次泄露里完整暴露，只有 Rust 重写的部分和文件名列表。
时间衰减
Claude Code 有 memoryAge.ts。OpenClaw 也有时间衰减。30 天半衰期的话：
- 今天的笔记：100%
- 一周前的：84%
- 一个月前的：50%
- 三个月前的：12.5%
旧的记忆自然被压下去，但 MEMORY.md 这种永久文件不受影响。
两边思路一样：不是删记忆，而是降权重。
压缩前抢救 vs 自动存储
Claude Code 有 autoMemoryEnabled，AI 对话中自动把重要信息存下来。
OpenClaw 有个不同但有意思的设计：压缩前通知。Context 快满了要压缩之前，系统会偷偷给 Agent 发一条消息——"快压缩了，赶紧把重要的东西存一下。" Agent 收到后会把关键信息写到 memory 文件里，然后静默回复。用户全程无感。
一个是日常自动存，一个是危急时刻抢救。说实话两个都需要。
核心差异：Claude Code 有、OpenClaw 缺的
看完源码，有几个 Claude Code 的能力让我觉得 OpenClaw 值得学习。
Auto Dream — 离线记忆整理
Claude Code 的 autoDream 在用户 24 小时不用的时候自动启动，翻历史对话提炼有用信息写进长期记忆。
OpenClaw 的 Heartbeat 机制能模拟一部分——你可以在 HEARTBEAT.md 里写"定期回顾日志更新 MEMORY.md"。但这本质是用户主动配置的，不是系统自动做的。
差距在于：Claude Code 的 Dream 是内建的自动化机制，有锁、有回滚、有四阶段 Prompt。OpenClaw 的是用户自助。
团队记忆
Claude Code 有 teamMemPaths.ts 和 teamMemPrompts.ts，多个 Agent 协作时共享记忆。
OpenClaw 目前是单 Agent 思路，每个 workspace 独立。如果要做多 Agent 协作（OpenClaw 的 subagent 功能），记忆是隔离的。
Agent 记忆快照
agentMemorySnapshot.ts 让每个 Agent 在执行完任务后保存一份记忆快照。这对于恢复、回溯很有用。
OpenClaw 的 memory 文件虽然能手动管理，但没有自动快照机制。
结构化压缩
Claude Code 的 Rust 源码里，压缩摘要是结构化的——工具列表、待办事项、关键文件、时间线，分门别类。
OpenClaw 的 Compaction 信息不太透明，用户更多依赖 /compact 命令手动控制。
反过来，OpenClaw 有、Claude Code 缺的
也别光捧 Claude Code。OpenClaw 有些设计思路反而更实用。
隐私隔离
MEMORY.md 只在私聊加载，群组对话不会暴露。Claude Code 的源码里没看到类似的场景区分——它本来就是个人工具，没有群聊场景。但 OpenClaw 跑在 Signal、Telegram、WhatsApp 上，这个隔离就很必要了。
记忆完全用户可控
OpenClaw 的记忆就是 Markdown 文件。你能直接用编辑器打开看、改、删。不喜欢？删掉就行。想加？新建一个 .md 文件。
Claude Code 的记忆存在 .claude/ 目录下的内部格式里，对用户不太透明。
混合检索
向量 + BM25 的混合检索在 OpenClaw 里是开箱即用的。Claude Code 的 findRelevantMemories.ts 具体算法没暴露，无法确认它是否也用了类似方案。但从文件名看，大概率是做了相关性检索。
Heartbeat 自主节奏
每 30 分钟 Agent 看一眼 HEARTBEAT.md，有活干就干。这比 Claude Code 的 KAIROS 更轻量——KAIROS 需要后台常驻进程，Heartbeat 只要配个定时检查。
实操建议
聊了这么多架构，落到实操。
怎么让你的 OpenClaw 记忆系统更好用
开混合检索，确保搜得准：
{
"memorySearch": {
"query": {
"hybrid": {
"enabled": true,
"vectorWeight": 0.7,
"textWeight": 0.3
}
}
}
}
开时间衰减，让新记忆优先：
{
"temporalDecay": {
"enabled": true,
"halfLifeDays": 30
}
}
用 HEARTBEAT.md 模拟 Auto Dream：
# 每周日回顾
- 读这周的 memory/YYYY-MM-DD.md 文件
- 把值得保留的信息更新到 MEMORY.md
- 删除过时内容
分清该写哪里：
- MEMORY.md：偏好、长期决策、踩坑记录
- memory/日期.md：今天干了啥、临时决定
- 不要放：密码、API key（用环境变量）
一句话：想让 Agent 下次还记得的，写文件。没写的，就是没有。
遇到问题排查
搜不准：开混合检索。中文用户确认嵌入模型支持多语言。
Context 满了：跑 /context detail 看哪块占得多。一般是 TOOLS.md 太长或工具太多。
Agent 忘事：信息是不是只存在 context 里没写文件？群组对话里不加载 MEMORY.md，切到私聊看看。
最后说两句
Claude Code 泄露的源码告诉我们一件事：Anthropic 在记忆这个方向上押了很大的注。8 个文件的 memdir 模块、会话记忆服务、Agent 记忆快照、Auto Dream、团队记忆——这些加在一起，描绘的是一个有持续记忆的 AI 同事，不是一个用完就忘的聊天框。
OpenClaw 用 Markdown 文件走了一条更朴素的路。没有 Auto Dream 那么炫，但用户对记忆有完全控制权。你知道它记了什么，你能改，你能删。
两条路各有取舍。要自动化还是要透明度？要智能还是要可控？
我觉得最终的答案是两个都要。OpenClaw 如果能加上自动记忆整理（类似 Auto Dream）和结构化压缩摘要，同时保留现有的文件级透明度——那就是最好的组合。
目前来看，OpenClaw 的记忆系统基础很扎实。把混合检索和时间衰减配好，用 Heartbeat 补上一部分自动化，已经能解决 80% 的"AI 失忆"问题。
剩下的 20%？等 OpenClaw 把 Auto Dream 借鉴过来吧。
来源：Claude Code v2.1.88 源码分析 + GitHub instructkr/claw-code Rust 重写 + OpenClaw 官方文档
上篇 → Claude Code 源码全泄露，我扒了 4756 个文件，给你们划重点
有用的话点个关注 ✍️
