​

Workspace Memory v2 (offline): ghi chú nghiên cứu

​

Vì sao cần thay đổi?

• ghi chép kiểu “append-only”
• chỉnh sửa thủ công
• độ bền + khả năng kiểm toán dựa trên git
• ghi nhận nhanh, ít ma sát (“cứ viết xuống”)

• truy xuất cần độ nhớ cao (“chúng ta đã quyết định gì về X?”, “lần trước thử Y khi nào?”)
• trả lời theo thực thể (“kể tôi nghe về Alice / The Castle / warelay”) mà không phải đọc lại nhiều tệp
• sự ổn định của ý kiến/sở thích (và bằng chứng khi thay đổi)
• các ràng buộc thời gian (“điều gì đúng vào tháng 11 năm 2025?”) và giải quyết xung đột

​

Mục tiêu thiết kế

• Offline: hoạt động không cần mạng; chạy trên laptop/Castle; không phụ thuộc cloud.
• Có thể giải thích: các mục được truy xuất phải quy được nguồn (tệp + vị trí) và tách bạch khỏi suy luận.
• Ít nghi thức: ghi nhật ký hằng ngày vẫn là Markdown, không cần schema nặng.
• Tăng dần: v1 hữu ích chỉ với FTS; semantic/vector và đồ thị là nâng cấp tùy chọn.
• Thân thiện với tác tử: giúp “hồi tưởng trong giới hạn token” dễ dàng (trả về các gói sự kiện nhỏ).

​

Mô hình ngôi sao bắc (Hindsight × Letta)

1. Vòng điều khiển kiểu Letta/MemGPT

• giữ một “lõi” nhỏ luôn có trong ngữ cảnh (persona + các sự kiện then chốt về người dùng)
• mọi thứ khác nằm ngoài ngữ cảnh và được truy xuất qua công cụ
• ghi bộ nhớ là các lệnh công cụ tường minh (append/replace/insert), được lưu bền vững, rồi được đưa lại vào lượt kế tiếp

2. Nền tảng bộ nhớ kiểu Hindsight

• tách biệt cái được quan sát vs cái được tin vs cái được tóm tắt
• hỗ trợ retain/recall/reflect
• ý kiến có độ tin cậy và có thể tiến hóa theo bằng chứng
• truy xuất theo thực thể + truy vấn theo thời gian (kể cả khi chưa có đồ thị tri thức đầy đủ)

​

Kiến trúc đề xuất (Markdown làm nguồn sự thật + chỉ mục dẫn xuất)

​

Kho chuẩn (thân thiện với git)

~/.openclaw/workspace/
  memory.md                    # small: durable facts + preferences (core-ish)
  memory/
    YYYY-MM-DD.md              # daily log (append; narrative)
  bank/                        # “typed” memory pages (stable, reviewable)
    world.md                   # objective facts about the world
    experience.md              # what the agent did (first-person)
    opinions.md                # subjective prefs/judgments + confidence + evidence pointers
    entities/
      Peter.md
      The-Castle.md
      warelay.md
      ...

• Không cần biến nó thành JSON. Không cần chuyển nó thành JSON.
• Các tệp bank/ là được tuyển chọn, do các job phản tư tạo ra, và vẫn có thể chỉnh sửa thủ công.
• memory.md giữ ở mức “nhỏ + mang tính lõi”: những thứ bạn muốn Clawd thấy trong mỗi phiên.

​

Kho dẫn xuất (hồi tưởng cho máy)

~/.openclaw/workspace/.memory/index.sqlite

• schema SQLite cho facts + liên kết thực thể + metadata ý kiến
• SQLite FTS5 cho hồi tưởng từ vựng (nhanh, gọn, offline)
• bảng embeddings tùy chọn cho hồi tưởng ngữ nghĩa (vẫn offline)

​

Retain / Recall / Reflect (vòng lặp vận hành)

​

Retain: chuẩn hóa nhật ký ngày thành “facts”

• cuối ngày (hoặc trong ngày), thêm một mục ## Retain với 2–5 gạch đầu dòng:
  • mang tính tường thuật (giữ được ngữ cảnh xuyên lượt)
  • tự đủ (đọc riêng vẫn hiểu)
  • được gắn thẻ loại + đề cập thực thể

## Retain
- W @Peter: Currently in Marrakech (Nov 27–Dec 1, 2025) for Andy’s birthday.
- B @warelay: I fixed the Baileys WS crash by wrapping connection.update handlers in try/catch (see memory/2025-11-27.md).
- O(c=0.95) @Peter: Prefers concise replies (<1500 chars) on WhatsApp; long content goes into files.

• Tiền tố loại: W (thế giới), B (trải nghiệm/tiểu sử), O (ý kiến), S (quan sát/tóm tắt; thường được tạo tự động)
• Thực thể: @Peter, @warelay, v.v. (slug ánh xạ tới bank/entities/*.md)
• Độ tin cậy ý kiến: O(c=0.0..1.0) tùy chọn

​

Recall: truy vấn trên chỉ mục dẫn xuất

• từ vựng: “tìm thuật ngữ / tên / lệnh chính xác” (FTS5)
• theo thực thể: “kể tôi nghe về X” (trang thực thể + các fact liên kết thực thể)
• theo thời gian: “điều gì xảy ra quanh 27/11” / “kể từ tuần trước”
• (kèm theo sự tự tin + bằng chứng) OpenClaw hỗ trợ OAuth và API key cho các nhà cung cấp model.

• kind (world|experience|opinion|observation)
• timestamp (ngày nguồn, hoặc khoảng thời gian trích xuất nếu có)
• entities (["Peter","warelay"])
• content (fact tường thuật)
• source (memory/2025-11-27.md#L12 v.v.)

​

Reflect: tạo trang ổn định + cập nhật niềm tin

• cập nhật bank/entities/*.md từ các fact gần đây (tóm tắt theo thực thể)
• cập nhật độ tin cậy bank/opinions.md dựa trên củng cố/mâu thuẫn
• tùy chọn đề xuất chỉnh sửa memory.md (các fact “mang tính lõi” bền vững)

• mỗi ý kiến có:
  • phát biểu
  • độ tin cậy c ∈ [0,1]
  • last_updated
  • liên kết bằng chứng (ID fact ủng hộ + phản bác)
• khi có fact mới:
  • tìm các ý kiến ứng viên theo chồng lấn thực thể + độ tương đồng (FTS trước, embeddings sau)
  • cập nhật độ tin cậy theo các delta nhỏ; bước nhảy lớn cần mâu thuẫn mạnh + bằng chứng lặp lại

​

Tích hợp CLI: độc lập vs tích hợp sâu

​

Vì sao tích hợp vào OpenClaw?

• OpenClaw đã biết:
  • đường dẫn workspace (agents.defaults.workspace)
  • mô hình phiên + nhịp tim
  • mẫu logging + xử lý sự cố
• Bạn muốn chính tác tử gọi các công cụ:
  • openclaw memory recall "…" --k 25 --since 30d
  • openclaw memory reflect --since 7d

​

Vì sao vẫn tách thư viện?

• giữ logic bộ nhớ có thể kiểm thử mà không cần gateway/runtime
• tái sử dụng trong các bối cảnh khác (script cục bộ, ứng dụng desktop tương lai, v.v.)

​

“S-Collide” / SuCo: khi nào nên dùng (nghiên cứu)

• đừng bắt đầu với SuCo.
• bắt đầu với SQLite FTS + (tùy chọn) embeddings đơn giản; bạn sẽ có phần lớn lợi ích UX ngay.
• chỉ cân nhắc SuCo/HNSW/ScaNN khi:
  • tập dữ liệu lớn (hàng chục/hàng trăm nghìn mảnh)
  • tìm kiếm embeddings brute-force trở nên quá chậm
  • chất lượng recall thực sự bị nghẽn bởi tìm kiếm từ vựng

• SQLite FTS5 + bộ lọc metadata (không ML)
• Embeddings + brute force (hiệu quả đáng ngạc nhiên khi số mảnh thấp)
• Chỉ mục HNSW (phổ biến, vững; cần binding thư viện)
• SuCo (cấp độ nghiên cứu; hấp dẫn nếu có triển khai vững để nhúng)

• mô hình embedding offline tốt nhất cho “bộ nhớ trợ lý cá nhân” trên máy của bạn (laptop + desktop) là gì?
  • nếu đã có Ollama: embed bằng mô hình cục bộ; nếu không, đóng gói một mô hình embedding nhỏ trong toolchain.

​

Bản pilot nhỏ nhất hữu ích

• Thêm các trang thực thể bank/ và một mục ## Retain trong nhật ký ngày.
• Dùng SQLite FTS cho recall kèm trích dẫn (đường dẫn + số dòng).
• Chỉ thêm embeddings nếu chất lượng recall hoặc quy mô đòi hỏi.

​

Tài liệu tham khảo

• Khái niệm Letta / MemGPT: “core memory blocks” + “archival memory” + bộ nhớ tự chỉnh sửa dựa trên công cụ.
• Báo cáo kỹ thuật Hindsight: “retain / recall / reflect”, bộ nhớ bốn mạng, trích xuất fact tường thuật, tiến hóa độ tin cậy ý kiến.
• SuCo: arXiv 2411.14754 (2024): “Subspace Collision” cho truy xuất láng giềng gần đúng.