新智元报道
编辑：好困元宇
一个开源 AI，能记住你几个月前的决定、在本地替你跑活、还不受大厂控制：Clawdbot 到底是个人助理，还是下一代「赛博打工人」？
Clawdbot 太疯狂了！
你的7×24 小时 AI 员工；
不是智能体，是赚钱机器 ……
2026 年初，一个名为 Clawdbot 的开源个人 AI 助手，迅速引爆了开源社区和硅谷极客圈。
从技术爱好者到普通用户，许多人玩 Clawdbot 都玩疯了，一开发起来，根本都停不下来。
甚至，还有人把 Clawdbot 当成了赚钱工具，开始兜售 Clawdbot 赚钱指南，还不忘贩卖一波焦虑：
错过了 Clawdbot 浪潮，你将永远沦为「数字底层」！
Clawdbot 被网友称为「长了手的 Claude」或者「7×24 在线的贾维斯」，它最大的亮点之一，便是长时记忆和长时任务执行能力。
回想一下你目前是如何使用 AI 助手的。
你在浏览器中打开 AI 助手，输入问题，得到回复，然后关闭标签页；但当你明天再回来时，又得从头开始。
它不会记住你昨天讨论过的内容，不了解你的偏好、你的项目，也不了解你的工作流程。
你可能会好奇 Clawdbot 是如何记住那么多东西的，最近 AI 研究工程师 Manthan Gupta 就写了一篇文章来回答这个问题。
他在「Clawdbot 如何记住一切」一文中详细复盘了 Clawdbot 独特的记忆机制原理。
与那些跑在云端的 ChatGPT 或者 Claude 不一样，Clawdbot 是直接在你本地机器上跑的，而且能直接集成到你已经在用的聊天平台里，比如 Discord、WhatsApp、Telegram 等。
最绝的是，Clawdbot 能自主处理现实世界的任务：管理邮件、安排日历、处理航班值机，还能按计划跑后台任务。
但真正吸引 Manthan Gupta 眼球的，是它的持久记忆系统：它能保持全天候的上下文记忆，记住之前的对话，并且能基于过往的互动无限叠加。
相比于 ChatGPT 和 Claude，Clawdbot 走了一条完全不同的路子：
它不搞那种基于云端、由大公司控制的记忆，而是把所有东西都留在本地，让用户完全掌控自己的上下文和技能。
下面，我们就来跟随 Manthan 这篇文章，来深挖一下 Clawdbot 是怎么运作的。
上下文与记忆
Clawdbot 的基本问题定义
如何构建上下文
在聊记忆之前，咱们先得搞清楚模型在处理每个请求时到底看到了什么：
[3] 当前消息系统提示词定义了AI智能体有多大能耐以及有什么工具可用。
跟记忆有关的是项目上下文，这包括了注入到每个请求中的、用户可编辑的 Markdown 文件：
这些文件跟记忆文件一块待在AI智能体的工作区里，这就让整个AI 智能体的配置变得完全透明，而且你想改就改。
上下文与记忆的区别
搞清楚上下文和记忆的区别，是理解 Clawdbot 的基石。
上下文是模型在单次请求里看到的所有东西：
上下文 = 系统提示词 + 对话历史 + 工具结果 + 附件上下文是：
-
转瞬即逝的：只在这个请求里存在，用完即弃
-
有边界的：受限于模型的上下文窗口 (比如 200Token)
-
昂贵的：每个Token都要算 API 的钱，还影响速度
记忆是存在硬盘里的东西：
记忆= MEMORY.md + memory/*.md + 会话实录记忆是：
-
持久的：重启、过几天、过几个月都在
-
无边界的：可以无限增长
-
便宜的：存着不花 API 的钱
-
可搜索的：建了索引，支持语义检索
记忆工具
AI智能体通过两个专门的工具来查阅记忆：
1. memory_search
目的：在所有文件里把相关的记忆找出来：
}2. memory_get
目的：找到内容后，把具体内容读出来
}返回：
}写入记忆
这里没有专门的 memory_write 工具。AI智能体想写记忆，就用它平时写文件、改文件的那些标准工具。
既然记忆就是纯 Markdown，你也可以手动去改这些文件（它们会被自动重新索引，很智能）。
具体写到哪，是由 AGENTS.md 里的提示词来控制的：
自动写入也会在「预压缩刷新」和会话结束时发生。
记忆存储
Clawdbot 记忆系统的核心原则就是：「记忆就是AI智能体工作区里的纯 Markdown 文件。」
Clawdbot 记忆系统如何运作的？
双层记忆系统
记忆就住在AI智能体的工作区里（默认是~/clawd/）：
└── ...第 1 层：每日日志（memory/YYYY-MM-DD.md）
这些是「只增不减」的每日笔记，AI智能体一整天都会往这里写东西。
当它想记住点什么，或者你明确告诉它「把这个记下来」的时候，它就写这。
用户提了一嘴，他们更喜欢 TypeScript 而不是 JavaScript。第 2 层：长期记忆（MEMORY.md）
这是精选过的、持久的知识库。
当有大事发生、或者有了重要的想法、决定、观点和经验教训时，AI智能体会写到这里。
- Bob (bob@acme.com) - 后端工程师AI 智能体如何知道要读记忆
AGENTS.md 文件（会自动加载）里写着指令：
别问许可，直接干就完了。记忆如何被索引
当你保存一个记忆文件时，后台是这么运作的：
└─────────────────────────────────────────────────────────────┘-
sqlite-vec 是个 SQLite 扩展，能直接在 SQLite 里搞向量相似度搜索，不需要外挂一个向量数据库。
-
FTS5 是 SQLite 自带的全文搜索引擎，负责 BM25 关键字匹配。
这两者配合起来，Clawdbot 就能靠一个轻量级的数据库文件同时搞定「语义+关键字」的混合搜索。
记忆如何被搜索
当你搜记忆的时候，Clawdbot 会并行跑两种搜索策略。
向量搜索（语义）找的是意思相近的内容，而 BM25 搜索（关键字）找的是有精确Token匹配的内容。
结果会按权重打分合并：
finalScore = (0.7 * vectorScore) + (0.3 * textScore)为何是 70/30？
语义相似度是记忆召回的主力，但 BM25 关键字匹配能抓住向量可能会漏掉的精确术语（比如名字、ID、日期）。
分数低于 minScore 阈值（默认 0.35）的结果会被过滤掉。这些值都可以自己配，它可以保证你无论是搜概念（比如「那个数据库的东西」）还是搜具体细节（比如「POSTGRES_URL」），都能够搜得准。
多智能体记忆
Clawdbot 支持多个AI智能体，而且每个智能体的记忆是完全隔离的：
└── 2026-01-26.mdMarkdown 文件（真相的源头）在每个工作区里，而 SQLite 索引（衍生数据）在状态目录里。
每个AI智能体都有自己的地盘和索引。
内存管理器是靠 agentId + workspaceDir 来区分的，所以自动跨智能体搜记忆这事是不会发生的。
那AI智能体能读对方的记忆吗？
默认不行。
每个AI智能体只能盯着自己的工作区。
不过，工作区只是个软沙箱（默认工作目录），不是那种不可逾越的硬边界。
理论上，除非你开了严格的沙箱模式，否则AI智能体是可以用绝对路径去访问另一个工作区的。
这种隔离对于区分上下文特别好用。
比如搞个用于 WhatsApp 的「私人」AI智能体，再搞个用于 Slack 的「工作」AI 智能体，它俩就能有完全不同的记忆和性格。
Clawdbot 如何管住上下文
压缩
每个 AI 模型都有上下文窗口的上限。
Claude 是 200KToken，GPT-5.1 是 1M。
聊得久了，总会撞上这堵墙。
一旦撞墙，Clawdbot 就会使出「压缩」大法：把旧的对话总结成一个精简的条目，同时保留最近的消息原封不动。
└─────────────────────────────────────────────────────────────┘自动 vs 手动压缩
自动：快到上下文长度限制时触发
-
你会看到详细模式下自动压缩已完成
-
原始请求将使用压缩后的上下文重试
手动：使用/compact 命令
-
`/compact`专注于决策和待解决的问题
跟某些优化不一样，压缩后的东西是会存到硬盘里的。摘要会被写进会话的 JSONL 转录文件，所以以后的会话开始时，都能带着这段被压缩的历史。
记忆刷新
基于 LLM 的压缩是有损的。重要信息可能会被「总结没了」。
为了防止这个，Clawdbot 用了一招「压缩前记忆刷新」。
└─────────────────────────────────────────────────────────────┘这个记忆刷新可以在 clawdbot.yaml 或 clawdbot.json 文件里配置。
}剪枝
工具返回的结果有时候巨大无比。一个 exec 命令可能吐出 50,000 个字符的日志。
剪枝就是把这些旧的输出给修剪掉，但不重写历史。这是个有损过程，剪掉的旧输出就找不回来了。
└─────────────────────────────────────────────────────────────┘硬盘上的 JSONL 文件：没变（完整的输出还在那）。
Cache-TTL 剪枝
Anthropic 会把提示词前缀缓存最多 5 分钟，以此来降低重复调用的延迟和成本。
如果你在 TTL（生存时间）窗口内发送相同的提示词前缀，缓存的Token费用能省大概 90%。
要是 TTL 过期了，下个请求就得重新缓存整个提示词。
问题来了：如果会话闲置时间超过了 TTL，下个请求就没缓存了，必须按全价「缓存写入」费率重新缓存整个对话历史。
Cache-TTL 剪枝就是为了解决这个问题，它会检测缓存什么时候过期，并在下个请求之前把旧的工具结果剪掉。
重新缓存的提示词变小了，成本自然就低了：
}会话生命周期
会话不会永远持续。它们会根据可配置的规则进行重置，给记忆创造了天然的边界。
默认行为是每天重置。不过也有其他模式可选。
会话记忆钩子
当你运行/new 开一个新会话时，会话记忆钩子能自动保存上下文。
└─────────────────────────────────────────────────────────────┘总结
Clawdbot 的记忆系统之所以能成，是因为它坚持了这么几个关键原则：
-
透明度 > 黑盒
记忆就是纯 Markdown。你能读、能改，还能用版本控制管它。没有什么不透明的数据库或者专有格式。
-
搜索 > 注入
AI智能体不是把所有东西一股脑塞进上下文，而是去搜相关的。这样既保持了上下文的专注，又省钱。
-
持久性 > 会话
重要信息以文件的形式存在硬盘上，而不仅仅是活在对话历史里。压缩也毁不掉已经存盘的东西。
-
混合 > 纯粹
光靠向量搜索会漏掉精确匹配。光靠关键字搜索会漏掉语义。混合搜索让你鱼和熊掌兼得。
参考资料：
