100k Star，他们给Clawdbot升级了超级记忆 moltbot
100k Star，他们给Clawdbot升级了超级记忆
PaperAgent 人工智能研究2026年1月30日 16:54贵州
来源：PaperAgent
Clawdbot项目已经突破100k，火得一塌糊涂，以至于火到被迫改名了moltbot
大多数 AI 助手默认都会遗忘。Clawdbot不会——但开箱即用，但它的记忆仍然是静态的。
他们将 Clawdbot 的记忆升级为超级/动态记忆，随你的生活变化自动演化。
| Moltbot超级记忆 | Clawdbot三层记忆 |
|---|---|
1. Clawdbot三层记忆
Clawdbot 记忆的工作原理（开箱即用）
Clawdbot 已经内置了扎实的基础模块：
AGENTS.md—行为规则和运行原则
MEMORY.md— 持久的用户偏好
Heartbeats— 周期性唤醒
Cron jobs— 定时自动化
这些足以实现基本的连续性。你的 Clawdbot 能记住偏好、遵循规则、主动行动。
但存在一个结构性缺陷。 所有这些记忆都是静态的。 你必须手动维护。
生活不是这样运转的。
六个月前你写下"我的老板 Sarah 很难搞"。 后来你换了工作。 你喜欢新经理。 但你的 Clawdbot 还以为你讨厌老板。
这套系统解决这个问题。
这次升级带来了什么
三层记忆系统将记忆从平面文件转变为活的知识图谱：
自动事实提取每约 30 分钟，一个廉价的子代理扫描对话并保存持久性事实（每天几美分）。
基于实体的存储事实按人、公司或项目存储——不是扔进一个单一的大文件。
每周综合整理周日定时任务根据原始事实重写摘要，自动清理过时上下文。
替代而非删除事实变化时，旧的被标记为历史。完整历史得以保留。
结果：你的 Clawdbot 的理解力自我更新。上下文保持最新，无需手动编辑。
三层架构
Layer 1: 知识图谱 (/life/areas/) └── 带原子事实 + 动态摘要的实体 Layer 2: 每日笔记 (memory/YYYY-MM-DD.md) └── 原始事件日志——发生了什么，何时发生 Layer 3: 隐性知识 (MEMORY.md) └── 模式、偏好、经验教训这不仅仅是记忆。 这是复利智能。
每次对话增加信号。 每周，信号被提炼。 六个月后，你的 Clawdbot 理解你的生活——结构化、可搜索、且实时更新。
第一层：知识图谱
这是魔法发生的地方。 你生活中每个有意义的实体都有一个文件夹：
/life/areas/ ├── people/ │ ├── sarah/ # 前老板（升级前的反派角色） │ │ ├── summary.md │ │ └── items.json │ ├── maria/ # 商业伙伴 │ ├── emma/ # 家人 │ └── sarah-connor/ # 知道太多。谨慎信任。 ├── companies/ │ ├── acme-corp/ # 旧工作 │ ├── newco/ # 当前工作 │ └── skynet/ # 别给 cron 权限原子事实（items.json）
每个事实都存储为离散的、带时间戳的单元：
{ "id": "sarah-003", "fact": "难搞的管理者， micromanages", "timestamp": "2025-06-15", "status": "active" }当现实变化，事实是被替代而非抹除：
{ "id": "sarah-003", "status": "superseded", "supersededBy": "sarah-007" }, { "id": "sarah-007", "fact": "不再共事——离开了 Acme Corp", "timestamp": "2026-01-15", "status": "active" }没有丢失。你的 Clawdbot 可以追溯关系如何随时间演变。
动态摘要（summary.md）
你的 Clawdbot 从不把数百条原始事实加载到上下文中。 相反，每个实体都有一个每周重写的快照：
# Sarah Acme Corp 前经理（2024–2025）。 换工作后不再相关。 旧信息自然淡出。 上下文保持精简准确。第二层：每日笔记
memory/2026-01-27.md—— 原始时间线。
# 2026-01-27 - 10:30am: 购物 - 2:00pm: 医生复查 - 决策：日历事件现在使用 emoji 分类这是"何时"层。 Clawdbot 持续写入这些。 持久事实随后被提取到第一层。
第三层：隐性知识
MEMORY.md 捕捉你的运作方式。
## 我的工作方式 - 冲刺型工作者——高强度爆发，然后休息 - 联系偏好：电话 > 短信 > 邮件 - 早起者，喜欢简短信息 ## 经验教训 - 别为一次性提醒创建 cron 任务这些不是关于世界的事实。 它们是关于你的事实。 （文件已存在——这次升级只是正式化它的角色。）
复利引擎
这是普通 Clawdbot 被甩在身后的地方。
实时提取（每约 30 分钟）
一个廉价子代理（如 Haiku，~$0.001）扫描近期对话提取持久事实：
"Maria 的公司招了两个开发者"
"Emma 迈出了第一步"
"开始新工作，向 James 汇报"
主模型保持空闲，除非你正在聊天。 成本：每天几美分。
每周综合整理（周日）
每周，Clawdbot：
审阅新增事实
更新相关摘要
将矛盾事实标记为历史
生成干净、当前的快照
无需手动编辑。 没有过时假设。
飞轮效应
对话 ↓ 事实提取（廉价） ↓ 知识图谱增长 ↓ 每周综合整理 ↓ 下次聊天更好的上下文 ↓ 更好的回复 ↓ 更多对话这会产生复利。
第 1 周：基本偏好
第 1 个月：日常习惯、关键人物
第 6 个月：项目、里程碑、关系
第 1 年：比大多数人对你的生活更丰富的模型
全部人类可读。 全部可搜索。 永远实时更新。
为什么这胜过其他一切
方案 | 问题 |
|---|---|
向量数据库 / RAG | 黑盒。你无法检查 AI"知道"什么。 |
单体上下文文件 | 无法扩展。会过时。加载昂贵。 |
基础 Clawdbot | 基础扎实，但是静态的。 |
| 三层 Clawdbot | 可读文件。自动维护。复利智能。 |
实施指南
1. 创建文件夹结构
mkdir -p ~/life/areas/people mkdir -p ~/life/areas/companies mkdir -p ~/clawd/memory2. 添加到 AGENTS.md
## 记忆 —— 三层 ### Layer 1: 知识图谱 (`/life/areas/`) - `people/` — 人物实体 - `companies/` — 公司实体 分层检索： 1. summary.md — 快速上下文 2. items.json — 原子事实 规则： - 立即保存事实到 items.json - 每周：从活跃事实重写 summary.md - 永不删除——用替代代替3. 添加到 HEARTBEAT.md
## 事实提取 每次心跳： 1. 检查新对话 2. 生成廉价子代理提取持久事实 3. 写入相关实体 items.json 4. 记录 lastExtractedTimestamp 重点：关系、状态变化、里程碑 跳过：闲聊、临时信息4. 每周综合整理 cron（周日）
## 每周记忆审阅 对每个有新事实的实体： 1. 加载 summary.md 2. 加载活跃 items.json 3. 为当前状态重写 summary.md 4. 将矛盾事实标记为替代5. 原子事实 schema
{ "id": "entity-001", "fact": "实际事实", "category": "relationship|milestone|status|preference", "timestamp": "YYYY-MM-DD", "source": "conversation", "status": "active|superseded", "supersededBy": "entity-002" }Supermemory
Clawdbot严重依赖工具来引用记忆。
工具的问题在于——模型并没有被训练成每次都使用它们。
记忆应该是模型随时能访问的东西，每次运行都应该直接喂给模型。然而，Molt 当前的架构因为记忆功能太差，完全行不通。
解决方案。
把 Clawd bot 和 Supermemory 集成了，具备：
全天候自动回忆
手动搜索、遗忘、获取资料等工具
/remember和/recall命令
要为你的 Clawd bot 安装 Supermemory，去这里：
https://supermemory.ai/docs/integrations/clawdbot·················END·················