双层记忆架构概述

系列: 个人知识管理系统 | 更新: 2026-04-07

---

一、背景与动机

传统知识管理的痛点

在 AI Agent 开发过程中，我遇到了几个核心问题：

1. 记忆碎片化 — 每次对话都是新会话，Agent 无法记住之前学到的内容
2. 检索效率低 — 日志文件堆积，关键时刻找不到关键信息
3. 人机脱节 — Agent 知道的，我不知道；我知道的，Agent 不知道

Karpathy 的启示

Andrej Karpathy 提出的核心理念：

"让 AI 成为知识库的主动维护者，而不是被动查询者"

这启发我设计双层记忆架构。

---

二、双层记忆架构设计

双层记忆 = Wiki 层（人可读） + LanceDB 层（机可检索）

OpenClaw Agent（定时任务驱动）
       ↓ 调用工具
wiki_tools.py（统一接口层）
       ↓ 读写
┌──────────────────┬──────────────────────┐
│  Wiki 层         │  LanceDB 层          │
│  (Markdown)      │  (向量索引)          │
│  人可读          │  机可检索            │
│  Obsidian 查看   │  text-embedding-v4   │
└──────────────────┴──────────────────────┘

---

三、两层的分工

维度	Wiki 层	LanceDB 层
格式	Markdown	向量 + 结构化字段
检索	目录浏览	语义搜索
受众	人类	Agent
更新	定时任务整合	实时写入
特点	可读性强	检索效率高

---

四、核心价值

1. 人机共享 — Agent 写入的内容，人类可以阅读
2. 主动维护 — 定时任务自动整合日志、检查健康状态
3. 语义检索 — 用自然语言提问，找到最相关的记忆
4. 智能去重 — 自动检测重复记录

---

五、系列文章

1. 架构概述（本文）
2. Wiki 层详解
3. LanceDB 层详解
4. 双层联动机制
5. 定时任务与自动化
6. 开发工作流集成
7. 个人知识管理
8. 最佳实践与避坑指南