openclaw实现个性化记忆需构建三层架构、启用memos插件、配置分流规则、触发自主学习及执行周复盘。具体包括soul/daily/knowledge分层存储、图数据库+向量索引双引擎调用、memory_rules.md路由指令、纠错驱动的肌肉记忆归档，以及自动清理低频记忆与更新偏好评分。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望 OpenClaw 在多次交互中持续识别并响应您的个人习惯，而非每次重新解释背景或重复设定，则问题核心在于记忆未结构化固化。以下是实现个性化记忆训练的具体操作路径：
一、建立三层记忆架构
该方法通过分层存储机制，使OpenClaw具备类人记忆结构：底层固定身份与偏好，中层记录每日动态，上层沉淀可复用知识。避免所有记忆混杂导致检索失效或覆盖关键设定。
1、在 OpenClaw 工作目录下创建 memory/ 文件夹。
2、于 memory/ 内新建三个子目录：SOUL、daily、knowledge。
3、在 SOUL/ 中创建 SOUL.md，写入不可变更的核心设定，例如：
姓名：高雪峰
身份：雪诺科技 CEO
工作时段：22:00–04:00
语言偏好：仅中文
输出格式：先结论后步骤，禁用套话
4、确认 daily/ 下自动生成 YYYY-MM-DD.md 日志文件，且每次会话启动时自动加载当日与昨日日志内容。
5、将已验证的高频行为规则（如“周报必须保存为 Markdown”）存入 knowledge/rules.md，并标注生效日期与验证次数。
二、启用 MemOS 插件记忆操作系统
此方案利用图数据库与向量索引双引擎，实现语义级记忆调用与跨会话自动注入，官方实测可降低72% token消耗，并支持多 Agent 共享同一记忆池。
1、访问 https://github.com/MemTensor/MemOS 获取最新 release 包。
2、执行安装脚本：bash install-memos.sh（Cloud 版）或 docker-compose up -d（Local 版）。
3、编辑 config.yaml，将 memory_backend 设置为 memos，并指定 neo4j_uri 与 qdrant_url。
4、重启 OpenClaw 服务，首次启动时自动扫描 SOUL.md 与现有日志，构建初始记忆图谱。
5、后续每次用户输入，系统自动执行：语义检索 → 关系图谱匹配 → 最相关记忆注入上下文。
三、配置自动记忆分流规则
该方法不依赖外部服务，纯文本规则驱动，确保每条信息按预设策略落盘，杜绝记忆随机丢失或误归类。
1、在根目录创建 MEMORY_RULES.md，写入以下四类路由指令：
2、普通聊天摘要 → memory/daily/YYYY-MM-DD.md
3、“长期记住”指令 → memory/SOUL.md（需人工审核后追加）
4、“点名项目”关键词（如“雪诺年报”“Q3 OKR”）→ memory/projects/项目名.md
5、“不记”声明（如“这句话不用记”）→ 跳过落盘，不生成任何文件
6、在 agent 启动脚本中加入 pre-hook：读取 MEMORY_RULES.md 并加载至 runtime context。
四、触发自主学习型肌肉记忆
此机制基于 Self-Improving Agent 技能，当用户显式纠正 OpenClaw 行为时，系统自动提取规则、分类归档、标记置信度，形成可迭代调用的“肌肉记忆”。
1、确保已部署 Self-Improving Agent 技能（安装命令见 ClawHub 技能市场 ID#SIA-202603）。
2、执行一次带纠错的交互，例如：“上次你把会议纪要发成 TXT，这次必须是 Markdown。”
3、系统自动解析出动作对象（会议纪要）、错误类型（格式错误）、修正要求（Markdown），生成结构化条目。
4、该条目被写入 memory/knowledge/format-rules.md，并附加标签 #verified #high-confidence。
5、下次遇到“会议纪要”+“发送”组合指令时，自动优先匹配此规则，绕过默认逻辑。
五、执行每周微调复盘流程
该步骤强制建立记忆维护节奏，防止低价值记忆堆积、冲突规则滞留、过期偏好干扰当前行为。
1、每周固定时间（如周日凌晨00:00），触发 cron 任务运行 review-weekly.sh。
2、脚本自动执行：扫描 knowledge/ 下全部 .md 文件，统计引用频次。
3、合并 content 相同但文件名不同的条目（如 writing-style-v1.md 与 writing-style.md）。
4、将引用频次低于3次、且距最后修改超14天的条目移入 archive/ 子目录。
5、从 daily/ 中提取本周高频关键词，生成 new-facts.md 并归入 knowledge/。
6、更新 SOUL.md 中的“偏好稳定性评分”，数值范围为 0–100，用于后续决策权重调节。
