跳轉到主要內容

​
Workspace Memory v2（離線）：研究筆記

目標：Clawd 風格的工作區（agents.defaults.workspace，預設 ~/.openclaw/workspace），其中「記憶」以每日一個 Markdown 檔案（memory/YYYY-MM-DD.md）儲存，並搭配一小組穩定檔案（例如 memory.md、SOUL.md）。 本文件提出一種離線優先（offline-first）的記憶架構，以 Markdown 作為可審閱的正典事實來源，同時透過衍生索引加入結構化檢索（搜尋、實體摘要、信心度更新）。

​
為什麼要改變？

目前的設定（每天一個檔案）非常適合：
  • 「只追加」的日誌記錄
  • human editing
  • 以 git 為後盾的耐久性 + 可稽核性
  • 低摩擦的捕捉方式（「就寫下來」）
其弱點在於：
  • 高回憶率的檢索（「我們對 X 做了什麼決定？」、「上次嘗試 Y 是什麼時候？」）
  • 以實體為中心的回答（「告訴我 Alice／The Castle／warelay」），而不必重讀許多檔案
  • 意見／偏好的一致性（以及其變更時的證據）
  • 時間限制（「2025 年 11 月期間什麼是真的？」）與衝突解決 and conflict resolution and conflict resolution

​
設計目標

  • 離線：無需網路即可運作；可在筆電／Castle 上執行；無雲端相依。
  • 可解釋：檢索到的項目應可追溯（檔案 + 位置），並可與推論分離。
  • 低儀式感：每日記錄維持 Markdown，不需繁重的結構化結構。
  • 漸進式：v1 僅用 FTS 即有價值；語意／向量與圖結構為選用升級。
  • Agent-friendly: makes “recall within token budgets” easy (return small bundles of facts).

​
北極星模型（Hindsight × Letta）

融合兩個部分：
  1. Letta／MemGPT 風格的控制迴圈
  • 維持一個小型「核心」永遠在上下文中（角色 + 關鍵使用者事實）
  • everything else is out-of-context and retrieved via tools
  • 記憶寫入為明確的工具呼叫（追加／取代／插入），持久化後於下一回合重新注入
  1. Hindsight 風格的記憶基底
  • separate what’s observed vs what’s believed vs what’s summarized
  • 支援保留／回憶／反思
  • confidence-bearing opinions that can evolve with evidence
  • entity-aware retrieval + temporal queries (even without full knowledge graphs)

​
提議的架構（Markdown 作為事實來源 + 衍生索引）

​
正典儲存（git 友善）

保留 ~/.openclaw/workspace 作為權威的人類可讀記憶。 Suggested workspace layout: 
~/.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
      ...
注意事項：
  • Daily log stays daily log. No need to turn it into JSON.
  • bank/ 檔案是 精選的，由反思工作產生，且仍可手動編輯。
  • memory.md 維持「小而核心」：你希望 Clawd 每個工作階段都能看到的內容。

​
衍生儲存（機器回憶）

在工作區下新增一個衍生索引（不一定納入 git 追蹤）： 
~/.openclaw/workspace/.memory/index.sqlite
Back it with:
  • 用於事實 + 實體連結 + 意見中繼資料的 SQLite schema
  • 用於詞彙回憶的 SQLite FTS5（快速、輕量、離線）
  • 選用的語意回憶嵌入表（仍然離線）
索引始終 可由 Markdown 重建。

​
保留／回憶／反思（操作迴圈）

​
保留：將每日記錄正規化為「事實」

Hindsight 在此最重要的洞見：儲存 敘事性、可自足的事實，而不是微小片段。 對於 memory/YYYY-MM-DD.md 的實務規則：
  • 在一天結束時（或期間），新增一個 ## Retain 區段，包含 2–5 個條列，需具備：
    • narrative (cross-turn context preserved)
    • self-contained (standalone makes sense later)
    • 以類型 + 實體提及進行標記
範例： 
## 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.
最小化解析：
  • 類型前綴：W（世界）、B（經驗／生平）、O（意見）、S（觀察／摘要；通常自動產生）
  • 實體：@Peter、@warelay 等（slug 對應至 bank/entities/*.md）
  • 意見信心：O(c=0.0..1.0)（選用）
如果你不希望作者去思考這些：反思工作可以從其餘記錄中推斷這些條列，但明確的 ## Retain 區段是最容易提升品質的「槓桿」。

​
回憶：對衍生索引進行查詢

回憶應支援：
  • 詞彙：「尋找精確詞彙／名稱／指令」（FTS5）
  • 實體：「告訴我 X」（實體頁 + 與實體連結的事實）
  • 時間：「11 月 27 日左右發生了什麼」／「自上週以來」
  • 意見：「Peter 偏好什麼？」（附信心 + 證據） (with confidence + evidence) (with confidence + evidence)
Return format should be agent-friendly and cite sources:
  • kind（world|experience|opinion|observation）
  • timestamp（來源日期，或若存在則為擷取的時間範圍）
  • entities（["Peter","warelay"]）
  • content（敘事性事實）
  • source（memory/2025-11-27.md#L12 等）

​
反思：產生穩定頁面 + 更新信念

反思是排程工作（每日或心跳 ultrathink），其內容包括：
  • 從近期事實更新 bank/entities/*.md（實體摘要）
  • 根據強化／矛盾更新 bank/opinions.md 的信心
  • 視需要提議編輯 memory.md（「偏核心」的耐久事實）
Opinion evolution (simple, explainable):
  • 每個意見包含：
    • 陳述
    • 信心 c ∈ [0,1]
    • last_updated
    • 證據連結（支持 + 矛盾的事實 ID）
  • 當新事實到來時：
    • 以實體重疊 + 相似度找出候選意見（先用 FTS，之後再用嵌入）
    • 以小幅度更新信心；大幅跳動需要強烈矛盾 + 重複證據

​
CLI 整合：獨立 vs 深度整合

建議：深度整合於 OpenClaw，但保留可分離的核心函式庫。

​
為什麼要整合進 OpenClaw？

  • OpenClaw 已經知道：
    • 工作區路徑（agents.defaults.workspace）
    • 工作階段模型 + 心跳
    • 記錄 + 疑難排解模式
  • 你會希望代理程式本身呼叫工具：
    • openclaw memory recall "…" --k 25 --since 30d
    • openclaw memory reflect --since 7d

​
Why still split a library?

  • 讓記憶邏輯在沒有 Gateway 閘道器／執行環境下也可測試
  • 可在其他情境重用（本地腳本、未來桌面應用等）
形態： 記憶工具預期是一個小型 CLI + 函式庫層，但目前僅屬探索性。

​
「S-Collide」／SuCo：何時使用（研究）

如果「S-Collide」指的是 SuCo（Subspace Collision）：這是一種 ANN 檢索方法，透過在子空間中使用學習／結構化的碰撞，來達成良好的回憶率／延遲取捨（論文：arXiv 2411.14754，2024）。 對於 ~/.openclaw/workspace 的務實看法：
  • 不要一開始就用 SuCo。
  • 從 SQLite FTS +（選用）簡單嵌入開始；你會立刻獲得大多數 UX 收益。
  • 只有在以下情況才考慮 SuCo／HNSW／ScaNN 類解法：
    • corpus is big (tens/hundreds of thousands of chunks)
    • 暴力的嵌入搜尋變得太慢
    • 回憶品質確實被詞彙搜尋明顯限制
離線友善的替代方案（由低到高複雜度）：
  • SQLite FTS5 + 中繼資料過濾（零 ML）
  • Embeddings + brute force (works surprisingly far if chunk count is low)
  • HNSW 索引（常見、穩健；需要函式庫綁定）
  • SuCo（研究等級；若有可嵌入的成熟實作則具吸引力）
Open question:
  • 在你的機器（筆電 + 桌機）上，用於「個人助理記憶」的 最佳 離線嵌入模型是什麼？
    • 如果你已經有 Ollama：用本地模型做嵌入；否則在工具鏈中隨附一個小型嵌入模型。

​
Smallest useful pilot

如果你想要一個最小、但仍然有用的版本：
  • 新增 bank/ 實體頁，以及每日記錄中的 ## Retain 區段。
  • 使用 SQLite FTS 進行可引用來源的回憶（路徑 + 行號）。
  • Add embeddings only if recall quality or scale demands it.

​
參考資料

  • Letta／MemGPT 概念：「核心記憶區塊」+「封存記憶」+ 由工具驅動的自我編輯記憶。
  • Hindsight 技術報告：「保留／回憶／反思」、四網路記憶、敘事性事實擷取、意見信心演進。
  • SuCo：arXiv 2411.14754（2024）：「Subspace Collision」近似最近鄰檢索。