Clawdbot记忆部分怎么设计的
Search | DeepWiki
Clawdbot的记忆系统设计基于工作区中的Markdown文件，结合向量搜索和自动内存刷新机制。 memory.md:9-13
核心设计架构
1. 双层内存文件结构
- 每日日志:
memory/YYYY-MM-DD.md- 按日期追加的原始记录 memory.md:19-21 - 长期记忆:
MEMORY.md- 精选的重要信息，仅在主会话中加载 memory.md:22-24
2. 向量搜索系统
内存搜索通过MemoryManager类实现，支持多种嵌入提供商： manager.ts:207-226
// 支持的提供商类型 provider: "openai" | "local" | "gemini" | "auto"系统自动选择提供商：
- 本地模型（如果配置了
modelPath） - OpenAI（如果能解析API密钥）
- Gemini（如果能解析API密钥） memory.md:84-88
3. 混合搜索机制
结合向量相似性和BM25关键词搜索： memory.md:204-207
hybrid: { enabled: true, vectorWeight: 0.7, textWeight: 0.3, candidateMultiplier: 4 }关键实现组件
内存管理器 (MemoryManager)
负责索引构建、文件监控和搜索执行： manager.ts:1-47
核心功能：
- 监控内存文件变化（chokidar）
- 构建SQLite向量索引
- 支持嵌入缓存以避免重复计算
内存工具
提供两个主要工具： memory-tool.ts:22-38
memory_search- 语义搜索内存片段memory_get- 读取特定内存文件内容
自动内存刷新
在会话接近压缩阈值时，触发静默的智能体回合，提醒模型写入持久化内存： memory.md:39-42
配置参数： memory.md:44-62
memoryFlush: { enabled: true, softThresholdTokens: 4000, systemPrompt: "Session nearing compaction. Store durable memories now.", prompt: "Write any lasting notes to memory/YYYY-MM-DD.md; reply with NO_REPLY if nothing to store." }配置系统
内存搜索配置通过MemorySearchConfig类型定义： types.tools.ts:211-309
主要配置项：
- 嵌入提供商选择(
provider) - 本地模型配置(
local.modelPath) - 索引存储(
store.path, 默认~/.clawdbot/memory/<agentId>.sqlite) - 分块参数(
chunking.tokens, 默认400) - 混合搜索权重(
query.hybrid.vectorWeight/textWeight)
工作流程
- 文件监控: 使用chokidar监控
MEMORY.md和memory/目录变化 memory.md:83-84 - 索引构建: 将Markdown分块（约400token，80token重叠）并生成嵌入向量
- 搜索执行: 根据查询同时进行向量搜索和BM25搜索，合并结果
- 缓存机制: 在SQLite中缓存嵌入向量，避免重复计算 memory.md:267-270
安全考虑
MEMORY.md仅在主会话（私人对话）中加载，避免在群组上下文中泄露个人信息 AGENTS.md:32-36- 会话转录索引是可选的实验性功能，默认关闭 memory.md:288-304