打造離線優先的 AI 記憶系統：Workspace Memory v2 實踐指南

你是否遇過這種情況：明明前幾天才跟 AI 討論過某個技術決策，今天它又忘得一乾二淨？或者你想找回之前的某個指令，卻得在幾百個檔案裡手動搜尋？當 AI 的記憶只是一堆雜亂無章的日誌時，開發體驗真的會讓人崩潰。

我們需要的是一個既能像日記一樣隨手記錄，又能讓 AI 在需要時精準提取資訊的系統。這就是 Workspace Memory v2 的核心目標：把 Markdown 的易讀性與 SQLite 的檢索能力結合，打造一個完全離線且可解釋的記憶架構。

需要準備的東西

在開始之前，請確保你的環境符合以下條件：

• OpenClaw Workspace: 預設路徑通常在 ~/.openclaw/workspace
• Markdown 檔案: 作為記憶的唯一事實來源 (Source of Truth)
• SQLite: 需支援 FTS5 擴充功能，用於全文檢索

快速開始

只需 5 分鐘，你就能為你的 AI 代理建立起一套結構化的記憶流程。

1. 規劃目錄結構

首先，在你的 ~/.openclaw/workspace 中建立以下結構。這能確保人類可讀的檔案與機器檢索的索引分開：

~/.openclaw/workspace/
  memory.md                    # 核心事實與偏好 (始終在 Context 中)
  memory/
    YYYY-MM-DD.md              # 每日日誌 (敘事性記錄)
  bank/                        # 結構化記憶頁面
    world.md                   # 關於外部世界的客觀事實
    experience.md              # 代理的過往經歷
    opinions.md                # 主觀判斷與信心程度
    entities/                  # 特定實體 (如 @Peter) 的專屬頁面

2. 使用 ## Retain 區塊記錄事實

在每日日誌 memory/YYYY-MM-DD.md 的末尾，添加一個 ## Retain 區塊。這能幫助 AI 提取出具備「自洽性」的事實：

## Retain
- W @Peter: 目前在馬拉喀什 (2025-11-27 至 12-01) 參加 Andy 的生日派對。
- B @warelay: 我修復了 Baileys WS 的當機問題，將 connection.update 處理器封裝在 try/catch 中。
- O(c=0.95) @Peter: 在 WhatsApp 上偏好簡短回覆 (<1500 字)；長內容請存入檔案。

3. 初始化衍生索引

為了讓檢索更快速，你需要建立一個不納入 Git 追蹤的 SQLite 索引檔案： ~/.openclaw/workspace/.memory/index.sqlite。這個索引隨時可以從 Markdown 檔案重新構建，支援 FTS5 全文檢索與實體連結。

4. 執行 Recall 檢索

你可以透過 CLI 工具讓 AI 呼叫記憶檢索。例如：

openclaw memory recall "Peter 的偏好是什麼？" --k 25 --since 30d

疑難排解

如果你在使用過程中遇到問題，可以參考以下解決方案：

問題：全文檢索 (FTS5) 找不到相關內容，但檔案確實存在。

• 方案：確認你的 SQLite 索引是否包含該實體標籤（如 @Peter）。如果詞彙匹配不夠精準，可以考慮啟用向量嵌入 (Embeddings) 進行語義搜尋，但在資料量不大時，FTS5 通常更有效率。

問題：隨著時間推移，AI 的觀點 (Opinions) 出現矛盾。

• 方案：執行 reflect 任務。系統會根據新證據更新 bank/opinions.md 中的信心值 c。如果新證據與舊記憶強烈衝突，信心值會下降，直到有足夠的重複證據來修正觀點。

問題：檢索速度變慢。

• 方案：當你的 Chunk 數量達到數十萬級別時，暴力搜尋向量會變慢。此時建議引入 HNSW 索引或研究 SuCo (Subspace Collision) 等近似最近鄰 (ANN) 演算法，但在 pilot 階段，SQLite 絕對夠用。

---

想了解如何針對你的特定專案調整記憶參數嗎？請諮詢 AI Setup Assistant。

下一步

• Letta / MemGPT 概念: 深入了解核心記憶塊與存檔記憶的運作機制。
• Hindsight 技術報告: 研究「保留、回想、反思」的四網路記憶模型。
• SuCo 演算法: 探索適用於大規模語料的高效檢索技術。