普通视图

发现新文章,点击刷新页面。
昨天以前首页

我和 AI 搭子工作了一周,再也回不去了

作者 李超凡
2026年4月21日 17:21

龙虾还没装上,朋友圈已经开始「养马」了。今年 OpenClaw 和 Hermes 火了之后,AI 能干活这件事算是彻底坐实了。

不过虽然 AI 圈的朋友熬夜「养龙虾」,已经跑通了各种自动化流程,但很多人大多在配置环节就劝退了。

就算跑通了,可能干得也是查查资讯写个报告的活,Token 消耗也非常吓人,干一个稍微复杂点的任务,账单可能会吓你一跳。

目前国内很多 「龙虾类」和 Cowork 类的产品也如潮水般涌来,作为一个 AI 媒体编辑,在体验了一堆产品后,我发现了一个有点意思的产品, 搭子DuMate

这是百度智能云做的桌面端 Agent,这次名字看似平平无奇很容易略过,但它给自己取的中文名「搭子」,反而引起了我的好奇

在大厂小厂都在贴近热点定义 AI 产品的时候,它不叫 Agent,不叫 Claw,不叫 Copilot,反而叫搭子这个有点接地气的名字。

在体验一段时间后,我发现当 AI 成为我的工作生活搭子,它更接近理想中 Agent 的模样。

值得一提的是,搭子DuMate 目前每天免费赠送 1000 积分,基本够一天正常使用。在 搭子DuMate 中输入 APPSO 专属邀请码「appso12」,还能额外领取大额永久积分。

让 AI 收拾我的电脑,比龙虾更轻松

搭子DuMate 的安装过程基本非常简单,下载客户端,一键装到本地,不需要配置任何开发环境。打开之后授权一个工作文件夹,用自然语言告诉它你想干什么就行。

跟 OpenClaw 那套「养龙虾」的折腾比起来,搭子DuMate 的上手门槛,基本是会打字就行。

我们先从最基础的场景开始小试牛刀。

我有个坏习惯,从来不整理分类电脑的各种文件,结果一段时间后合同 PDF、项目 Excel、会议录音、论文报告、半年前的截图,全堆在一起。

每次想整理都觉得工程太大,然后继续拖下去,无限循环。

这次我对搭子DuMate 说了一句:「按日期和文件类型,帮我把下载文件夹里的东西分类归档。」

 

说完我就去倒水了。回来的时候,下载文件夹已经被分成了十几个子目录:文档类按年月归档,图片单独一个文件夹,音频归音频,顺便让它清理重复和无效文件。


几年的积灰文档,几分钟搞定。

说到这里要插一句。让一个 AI 碰你真实的工作文件,第一反应肯定是:安全吗?比较之前 OpenClaw 出现过不少误删文件的事故。

搭子DuMate 的处理方式是这样的。它运行在本地,文件在你自己电脑上处理,不上传云端。它只能访问你授权的文件夹,第一次要动一个新目录会先弹窗问你是否允许。

删除、移动这类风险操作有二次确认,整个执行过程在屏幕上实时展示,你随时可以叫停。

数据不出设备,权限你说了算,操作也是全程透明。 这也是我后来敢把真实工作文章资料交给它的前提。

确认了安全没问题之后,我试了一个真正有业务含量的任务,给它上点难度。

做运营的人都知道渠道投放数据有多烦。光是天猫、京东、抖音、小红书四个平台,后台数据格式也不一样,每周要手动下载、清洗空值和重复项、统一格式、算 ROI、做透视表,最后还得整成一份给领导看的 PPT。

这套流程顺利的话要半天,不顺利的话加班没跑了。

我把四个平台的投放数据丢到桌面一个文件夹里,然后对搭子DuMate 说:「整合这四个平台的投放数据,清洗空值和重复项,计算各渠道 ROI,做透视表,最后生成一份汇报 PPT。」

它开始逐个读取 Excel,自动识别不同平台的字段差异,统一列名,剔除空行和重复记录,按渠道计算投入产出比,生成了一份带透视表的汇总 Excel。然后基于这些数据,自己搭了一份 PPT:封面、各渠道 ROI 对比柱状图、投放趋势折线图、问题渠道标红、末尾一页总结和建议。

说实话,排版比我自己做的好看。数据准确度我逐项核对了,没发现错误,它甚至自己纠正了一些表格的错误,比我还要细心。

它读了你的 Excel,分析整理这些的数据,生成了你要的 PPT 和表格,存到了你指定的文件夹。输入需求后,从头到尾我没打开过一次 Excel,没动过一次鼠标。

它边执行边思考,直接把成品给你,像一个聪明且执行力强的同事。

我和我的搭子,「搭」出了一套 AI 工作流

上面两个场景,说白了还是「你给任务,它干活」。真正让我感受到「搭子」,是它自己找活干的时候。

APPSO 聚焦 AI 方向的内容,这是个资讯爆炸更新飞快的行业,每天要盯大量行业和产品动态。以前的做法是早上花一两小时刷各种信息源,手动整理成当天的选题池。

现在我在搭子DuMate 建立了一套热点监控,并设了一条定时任务:每天早上 8 点,自动抓取主要科技媒体和社交平台的 AI 相关热点,整理成结构化的热点清单,并发送给我。

每天早上醒来,当天的热点已经整整齐齐躺在那里了。哪些重要性和热度更高,哪条是突发新闻,哪条是深度分析,哪条适合跟进做选题,它都帮我分了类。

热点抓取靠的是搭子DuMate 内置的百度搜索 Skill,这个 Skill 在 ClawHUB 上全球下载量超 8 万次,确实有点东西。

说到 Skill 多提一句。搭子DuMate 兼容 OpenClaw 标准,ClawHUB 里的第三方 Skill 可以直接导入。OpenClaw 社区积累的那些扩展资源,拿来就能用。它自己的技能广场里也有一堆现成的可以选装,腾讯文档、飞猪、滴滴都在。

对我来说这意味着想加什么能力,装个 Skill 就行,不用等官方更新。

搭子DuMate 打通了微信、飞书、如流、钉钉等主流的 IM 软件,基本也是一键绑定。然后接下来发生的事让我觉得AI 在我的工作流里真正跑通了。

昨天我让它给我整理热度资讯,搭子DuMate 给出头条就是:荣耀机器人「闪电」包揽 2026 北京亦庄人形机器人半程马拉松冠亚季军。这条消息到处刷屏,我判断值得赶一条短视频蹭热点。

以前的流程是:找素材、写脚本、打开软件、导出、上传,快的话两小时,慢的话半天。

这次我没有切到任何别的应用,直接在微信里回了搭子一条消息:「我是 AI 媒体 APPSO 的编辑,刚才那条机器人半马的热点我想跟,做一个 10 秒的短视频。我桌面的一个文件夹里有机器人半马素材相关的视频剪辑方案和几张参考图,帮我生成一个视频。」

它读了我桌面的剪辑方案和参考图,自动生成了一条 10 秒短视频,带旁白和背景音。

早上 8 点搭子推热点,8 点 10 分我在微信里回一句话,8 点半视频就生成了。 从发现热点到产出内容,全程在微信里完成,视频制作这样的活,我在路上就能完成。

最后一个场景可能是最让我惊喜的。

黄仁勋最近有一期很火的视频播客,我想把它变成一份可以内部分享的材料。我对搭子说:「整理这个视频播客,生成一个极客苹果风的 PPT,把黄仁勋的核心观点和金句提炼出来,内容尽量详细。同时根据视频内容测试一些适合科技媒体的选题方向,给我一个详细的报告。」

它先访问了视频链接,提取了完整的语音内容并转写,然后逐段分析,把黄仁勋的核心论点整理成结构化的 PPT,将访谈划分章节并整理出黄仁勋的金句。

风格确实是那种简洁的苹果范儿。同时它另外生成了一份选题报告,从视频内容里提炼出五六个适合科技媒体跟进的角度,每个角度附上切入点和参考素材。

两份文件,PPT 加报告,一共花了不到十分钟。

我核对了一下内容,金句提取准确,观点归纳基本到位,选题角度里有两个我已经在考虑的方向,还有一个我没想到但确实值得做。

除此之外,内容排版、小红书微博的撰写发布、各个平台的爆款分析,其实都可以一起完成,我和这个「搭子」,就能搭起来一条完整的内容生产流水线,我跟它的协作方式,真的就和跟团队得力的同事共事没太多区别。

搭子,一种新的人机关系

用了一段时间后,我对 搭子DuMate 的感受不再是「这个工具好用」,更接近一种新的「同事关系」。

它帮我整理文件的时候,我发现自己不紧张。因为我知道它只碰我授权的文件夹,风险操作会问我,做了什么全程可看。信任不是它承诺「我不会乱来」,是它的机制让它没法乱来。用了几天,我和它之间自然形成了分工:它负责重复劳动,我聚焦决策方向。

再往后是默契,第一次纠正了它,往往第二次它端出来就是我要的味道。这跟它的记忆能力有很大关系,会随着使用的时间不断了解你的审美风格偏好。

你细想一下,信任、分工、默契。这三个词,一般不是用来描述人和工具的关系,你不会说你跟 Excel 有默契,它说的是人和人(搭子)的关系。

AI 行业给产品取名这件事,其实很像相亲时的自我介绍。你怎么介绍自己,暴露的是你怎么理解这段关系。

搭子的逻辑是什么?你约饭搭子吃饭,谁先看菜单谁先点,没人在乎。搭子关系里没有机长和副驾驶,只有「你干你的,我干我的,干完一起收工」。

「搭子」这个词真正指向的,不只是一个更聪明的 AI ,是一种新的人机关系。你负责判断和决策,它负责执行和交付。你们平等协作,不是主仆。活干完了各自散去,下次有事再来。

AI 不再是你身边被动待命的角色。搭子是两个人在干活,只是其中一个不需要喝咖啡

想试试什么叫真 AI 搭子的,可以去勾搭一下搭子DuMate 了。

APPSO 还了解到,在5 月 13 日-14 日的百度 Create 大会,搭子DuMate 将会发布一系列更新。

这次 Create 大会除了面向企业、开发者和合作伙伴的 AI 底座更新,重头戏放在了 Agent 基础设施的最新进展上,怎么搭、怎么落地,可能是全场最值得蹲的干货。

届时 APPSO 也会第一时间带来现场报道,敬请期待。

#欢迎关注爱范儿官方微信公众号:爱范儿(微信号:ifanr),更多精彩内容第一时间为您奉上。

荣耀推出「养虾本」,这才是 2026 年 AIPC 的答案

作者 苏伟鸿
2026年4月21日 11:00

「龙虾」OpenClaw,恐怕是继 ChatGPT 之后,最火的 AI 关键字。

但如果你问问周围的朋友,他们大概率从来没亲自部署、使用过龙虾。

在普通用户与龙虾之间,横着一道清晰的技术鸿沟。

于是乎, 一个更关键的问题开始浮现:当 AI 真正展示出潜力, 决定它能否普及的,究竟还剩下什么?

答案正在从云端,慢慢转向终端,那些离用户更近的设备厂商,开始尝试补上这「最后一公里」。

作为终端厂商的荣耀,给出的解法颇为直接:直接把「龙虾」预制在产品之中,用户开箱即用,再也不必瞻前顾后,一次性解决部署及上手复杂、使用成本高、隐私安全风险三大龙虾智能体面临的痛点问题。

开箱好用的荣耀 YOYO Claw 技术

荣耀全新推出的 MagicBook Pro 16,是一台相当「新」的笔记本。

首先是配置够新:最高第三代酷睿 Ultra X7 358H 处理器、32GB 运行内存,都是今年高端轻薄本的标配。

更关键的,是它的定位够新——荣耀官方将其定义为「天选养虾本」,自带一个「荣耀 YOYO Claw」龙虾技术智能体。

不需要面对烦人的命令行,荣耀 YOYO Claw 技术已经打包成了一个应用,双击点开就有一个直观、简单的图形界面。

这解决的是第一层问题「怎么用」;被忽视的问题,是「用来干什么」。

很多人都知道龙虾很强,却说不清楚它强在哪,不知道如何为自己创造价值,干脆止步于「听说很强」。

哪怕真的把 OpenClaw 折腾进电脑里,还要继续面对 Skills 的安装、调试,以及如何嵌入自身工作流的复杂门槛,这些步骤,同样劝退了大多数人。

荣耀连这点复杂性也直接替用户消灭了——荣耀 YOYO Claw 技术预制了 5 个「主虾」和 23 个「子虾」,覆盖教育、办公、学术、内容创作、智能辅助等五大场景。

荣耀 YOYO Claw 技术端云混合的架构,也让其拥有了更强大的自主学习潜力:用户每一次和 YOYO Claw 对话, 每一次上传或生成文档,龙虾都会总结经验和模板,方便日后直接复用。

换句话说,它不止于单次任务的交付,更是一个懂得持续成长的助手,越用越顺手,也越懂你。

所以,与其说荣耀 YOYO Claw 技术 「开箱即用」,我更愿意称之为「开箱好用」。

如果把 OpenClaw 比作「赛车」,能力很强,却太硬核,只是属于少部分人的炫技,那么荣耀想做的,就是一辆「家用车」,人人都能享受到技术带来的提升。

就像是计算机诞生之初,人们都对它的计算能力有所耳闻,只是普罗大众不懂编程语言,也不知道拿这么高的算力干什么。

直到一个名为 VisiCalc 的电子表格程序问世,这种强大的计算能力才真正交到了普通人的手中,不需要学习技术,也能获得远超手工的效率提升,于是计算机真正走向了大众。

从能力到应用的转身,从技术到场景的扎根,这也是龙虾的正确「打开方式」。

好龙虾得人人能吃

把时间往 2022 年底回拨,回到 ChatGPT 刚刚崭露头角那一段时间。

为什么 ChatGPT 能够病毒式传播,以迅雷不及掩耳之势席卷全球,并快速在每个行业生根发芽?有两个非常重要的核心原因:易用、好用。

只要有合适的网络环境,在浏览器输入 ChatGPT.com,界面简洁到只有一个对话框,想输入什么都可以,就连小学生都能和 AI 聊个几轮。这种输入自然语言直接获得输出的交互方式,是以往的机器前所未有的,一夜之间开始了对人类工作方式的改造。

和真的龙虾一样,OpenClaw 「好吃」却不容易吃,只是想尝尝味道,难度都是当年 ChatGPT 的指数级,在更多人使用的 Windows PC 上,部署起来更是困难重重。

从技术到落地之间的鸿沟,要靠终端厂商来跨越。像荣耀 YOYO Claw 技术这种直接预装在产品,双击鼠标就能启动的「预制虾」,很可能就是大部分用户吃到的第一口虾。

荣耀 YOYO Claw 技术上手难度极低,用户只需要扫描二维码登录, 就能连接飞书、微信等第三方平台,通过聊天框就能和龙虾交互,不需要任何额外的复杂 API Key 配置。

把复杂留在技术底层,把简单交到用户手上,把红利转化到体验之内,这比什么都更重要。

解决完「能不能用」的问题只是起点,事实上将「龙虾」摆在普通用户面前,大家依旧会有所顾虑,担心它太烧 Token,还没赚到钱就先花光钱,也担心它权限太高,一个不留神泄露隐私,或着把文件删完。

因此,要真的把龙虾产品化,让更多人能用和敢用龙虾,解决这两个问题同样至关重要。

作为一家终端厂商,荣耀比 AI 厂商多了一层优势——设备的本地算力。

端云协同的架构,端侧优先的路线,让荣耀 YOYO Claw 技术能够最大化 Token 的价值:端侧可以完成的任务,就在本地完成;需要调用云端算力,则通过精准匹配需要的 Skills。前者直接压缩消耗场景,后者精细化分配资源。

根据荣耀官方数据,荣耀 YOYO Claw 技术对比 OpenClaw 综合词元消耗节省 50% ,极端场景甚至达到 90%。

有一个很典型的场景:本地搜索。传统的 OpenClaw 相当依赖云端算力,像是本地文件检索这种工程量稍大的任务,要不断调用脚本,不仅效率极低,Token 也如流水般被迅速消耗。

作为一家终端厂商,荣耀可以调用本地算力和模型,本地搜索的任务完全可以端侧运行,不仅速度够快,也能更便宜。

随着生成式 AI 浪潮席卷全行业,「词元经济」也已经崛起,今年 3 月,我国日均词元调用量突破 140 万亿,两年增长超千倍。

当 Token 与经济直接挂钩,每节省一个 Token,都在直接创造实打实的经济价值。

龙虾高权限带来的高风险,荣耀YOYO Claw 技术的做法是「以虾制虾」。

荣耀 YOYO Claw 技术配备了一只「独立安全虾」,可以全程监控其他龙虾的所有操作,并及时拦截类似格式化硬盘这样的高危操作,如果调用支付、摄像头这些敏感权限,也会要求用户进行二次确认。

至于龙虾的「记忆」能力,以及核心数据的处理,也会限制在端侧完成,避免隐私上云或泄露。

从不会用到不用学,从用不起到用得起,从不敢用到不怕用,荣耀 YOYO Claw 技术为龙虾落地找到了一个新的路线——参数和性能之外,人人能吃的才是「好虾」。

养虾本,AI PC 新标准

2023 年,生成式 AI 爆发的元年,作为规则制定者的英特尔和微软,也第一时间提出了「AI PC」的概念。

差不多 3 年过去,AI PC 却只停留在口号层面,无非键盘上多了一个 Copilot 按键,系统内置了 AI 聊天机器人——这些能力,大多在浏览器里早已可以完成。

问题的关键在于,没有人知道所谓的「AI PC」应该是什么样的形态和路线,该如何让 AI 与计算机进行本地结合,才能为用户带来价值。这些疑问悬而未决,自然无法交不出一个让人满意的答卷。

距离 ChatGPT 一鸣惊人已经过去三年,打工人早已不满足于只在对话框里与 AI 进行问答游戏,既然 AI 明明很有潜力,它不应该只能「回答问题」,最好像一个助理一样,直接帮用户解决问题。

在这种期待之下,作为一个贴着「AI」标签的生产力工具,所谓的「AI PC」却相当让人失望。

就在这时,OpenClaw 出现了。

这个更适合在电脑部署、并且高度软硬结合的 AI 方案,为「AI PC」指明了一个全新的方向。

OpenClaw 本质上还是一个实验性质非常鲜明的探索项目,具有高门槛、低稳定的特性,原本也是属于少部分极客群体的玩具。

但它就像普罗米修斯的火种,一旦被带到人间,人们便无法忽视它的价值,让越来越多人心向往之。

毕竟,我们真正向往的,是一个能够部分乃至完全接管工作流的系统,自动理解任务、自动拆解流程、自动完成执行。OpenClaw 的意义,正在于它第一次清晰地展示出,这条路径在当下是可行的。

即使它仍然青涩,伴随着各种风险和不确定性,行业都必须要走这条路,因为这座高峰「就在那里」。

在这条路径上,不同角色分工逐渐清晰:大模型厂商专注于打磨技术底座,任务最「硬」,离用户却最远;互联网厂商推动 AI 大模型应用的落地,灵活变通,速度很快,但难以做「深」。

更接近用户侧的终端厂商,则承担「做深做实」的角色,他们更懂用户习惯和需求,更有机会把 AI 变成真正可用的工具。

尤其是在「龙虾」这种相当强调软硬协同的形态,终端厂商既拥有天然优势,也承担着某种不可回避的责任。

于是,预装一套打包好的「YOYO Claw 技术」,对荣耀而言既是顺势而为,也是必要一步,更是未来 AI PC 的一个样本答案。

这不是「龙虾」的终点,甚至只能说刚刚起步,毕竟,我们才刚刚克服龙虾「人人能用」的门槛。

作为更懂用户的终端厂商,手握多种设备生态的荣耀,龙虾从来不应该只囿于 PC 的方寸之间,更应该实现免配置的跨设备流转。

荣耀 YOYO Claw 技术支持全家多人共用一台 PC,每人都有一只独立的专属虾,满足不同的需求:孩子用来辅导作业,老人用来提醒吃药。

爱范儿也获悉,荣耀内部已经在布局 YOYO Claw 技术的跨生态能力,不过度依赖设备,让算力和能力根据场景自由流淌。

完全可以设想这样一种场景:在荣耀手机上对 YOYO 助手下达一个指令,让它在荣耀笔记本上检索一个数据表,然后让 YOYO Claw 参考以往的文件,生成一个季度报告,直接通过飞书发给其他同事。

当 AI 从单连线,从单一工具转身成为跨设备的系统级算力,它才真正进入工作流,进入生活方式,进入每一个「你我」的日常。

#欢迎关注爱范儿官方微信公众号:爱范儿(微信号:ifanr),更多精彩内容第一时间为您奉上。

OpenClaw Memory Wiki 技术文档

作者 唐巧
2026年4月9日 06:56

OpenClaw Memory Wiki 技术文档

基于 OpenClaw v2026.4.7 最新版本整理,更新日期:2026-04-08

目录


概述

OpenClaw 是一个开源的个人 AI 代理框架,其记忆系统采用 基于文件的记忆模型——所有持久化信息以 Markdown 文件形式存储在代理工作空间中(默认路径:~/.openclaw/workspace)。系统不维护任何隐藏状态,只有显式写入磁盘的内容才计入记忆。

Memory Wiki 是 OpenClaw 记忆体系中的高级层,作为可选的伴生插件(memory-wiki),将持久化记忆编译为一个具有溯源能力的知识库(vault),支持确定性页面布局、结构化声明(claims)、矛盾追踪和机器可读摘要。


核心架构

OpenClaw 的记忆系统由三层文件构成:

文件 作用 加载时机
MEMORY.md 长期持久存储:事实、偏好、决策 每次会话开始自动加载
memory/YYYY-MM-DD.md 每日笔记:运行中的上下文与观察 当日及前一日自动加载
DREAMS.md 实验性:梦境日记与巩固摘要 可选,供人工审阅

核心记忆工具:

  • memory_search:语义搜索,匹配概念含义而非精确措辞
  • memory_get:检索特定的记忆文件或指定行范围

Memory Wiki 作为补充层叠加在核心记忆之上,不替换核心记忆插件。


Memory Wiki 插件

Vault 模式

Memory Wiki 支持两种运行模式:

1. Isolated(隔离)模式

1
2
3
4
5
memory-wiki:
vaultMode: "isolated"
vault:
path: "~/.openclaw/wiki/main"
renderMode: "obsidian"
  • Wiki 拥有独立的 vault 和数据源
  • 不依赖 memory-core
  • 适用于:希望 wiki 作为独立的、经过策展的知识库

2. Bridge(桥接)模式

1
2
memory-wiki:
vaultMode: "bridge"
  • 通过公共插件 SDK 接口读取活跃记忆插件的公开记忆 artifacts 和事件
  • 不直接访问私有插件内部实现
  • 适用于:希望 wiki 编译和组织核心记忆插件导出的 artifacts

建议:除非明确需要桥接模式,否则优先选择 isolated 模式。

页面组织结构

Wiki vault 采用确定性目录布局:

1
2
3
4
5
6
7
8
9
10
11
~/.openclaw/wiki/main/
├── sources/ # 导入的原始材料、桥接页面
├── entities/ # 持久对象:人物、系统、项目
├── concepts/ # 观念、抽象、模式、策略
├── syntheses/ # 编译摘要、维护性汇总
├── reports/ # 生成的报告
├── _attachments/ # 附件资源
├── _views/ # 视图定义
└── .openclaw-wiki/ # 托管内容与缓存
└── cache/
└── claims.jsonl # 编译后的声明摘要

关键目录说明

目录 内容 示例
sources/ 原始导入材料与桥接页面 论文摘录、会议纪要
entities/ 持久对象——人、系统、项目 entity.kubernetesentity.alice
concepts/ 抽象概念与模式 concept.event-sourcing
syntheses/ 编译摘要与汇总 synthesis.q1-review

结构化 Claim/Evidence 模型

Memory Wiki 的核心创新是将知识从自由文本升级为 结构化声明。每个页面可在 frontmatter 中携带结构化的 claims:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
---
id: entity.kubernetes
claims:
- claim: "Kubernetes 默认调度器使用 bin-packing 策略"
confidence: 0.85
source: "sources/k8s-scheduler-doc"
updated: 2026-03-15
status: active
- claim: "Helm v4 已移除 Tiller 依赖"
confidence: 0.95
source: "sources/helm-release-notes"
updated: 2026-04-01
status: active
---

# Kubernetes

正文内容...

Claim 字段说明

字段 类型 说明
claim string 声明内容
confidence float 置信度(0-1)
source string 溯源引用(指向 sources/ 下的页面)
updated date 最后更新日期
status enum active / contested / resolved / stale

Claims 可被追踪、评分、质疑和溯源,使 wiki 的行为更像一个 信念层(belief layer) 而非被动的笔记堆。


关键能力

矛盾检测与聚类

wiki_lint 工具能自动扫描 vault 中的结构性问题:

  • 矛盾检测:发现语义上互相冲突的 claims
  • 矛盾聚类(Contradiction Clustering):将相关的矛盾声明分组,便于集中解决
  • 溯源缺口:标记缺少 source 引用的 claims
  • 开放问题:识别尚未解决的疑问

新鲜度加权搜索

wiki_search 的搜索排序综合考虑:

  • 语义相关性:基于向量相似度的概念匹配
  • 关键词匹配:精确标识符和代码符号的 BM25 匹配
  • 新鲜度权重(Freshness Weighting):最近更新的 claims 获得更高排名
  • 置信度得分:高置信度的声明优先展示

编译摘要(Compiled Digests)

为避免代理和运行时代码在查询时解析 Markdown 页面,Memory Wiki 维护编译后的摘要:

1
.openclaw-wiki/cache/claims.jsonl

每行为一个 JSON 对象,包含 claim 的完整元数据。代理可直接读取此文件进行高效查询,无需遍历页面。

过时性仪表盘

Memory Wiki 内置 Staleness Dashboard,可视化展示:

  • 各 claim 的最后更新时间
  • 过时(stale)声明的数量与分布
  • 需要审查的知识区域

Wiki 工具集

Memory Wiki 插件注册以下工具供代理使用:

工具 功能
wiki_status 显示当前 vault 模式、健康状态、Obsidian CLI 可用性
wiki_search 搜索 wiki 页面,支持共享记忆语料库
wiki_get 按 id/path 读取 wiki 页面,可回退至共享记忆语料库
wiki_apply 执行窄范围的综合/元数据变更,无需全页编辑
wiki_lint 结构检查:溯源缺口、矛盾、开放问题

使用建议

  • 当溯源(provenance)重要时,使用 wiki_search / wiki_get 而非通用 memory_search
  • 对元数据更新使用 wiki_apply,避免自由编辑页面
  • 有意义的变更后运行 wiki_lint

CLI 命令参考

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
# 状态与诊断
openclaw wiki status # 查看 vault 状态
openclaw wiki doctor # 诊断 vault 健康问题

# 初始化与数据导入
openclaw wiki init # 初始化新 vault
openclaw wiki ingest ./notes/alpha.md # 导入外部文档

# 编译与质量检查
openclaw wiki compile # 重新编译 claims 摘要
openclaw wiki lint # 结构检查与矛盾检测

# 搜索与检索
openclaw wiki search "kubernetes" # 搜索 wiki 内容
openclaw wiki get entity.alpha # 获取指定页面

# 综合与应用
openclaw wiki apply synthesis # 应用综合更新

# Obsidian 集成
openclaw wiki obsidian status # 检查 Obsidian 集成状态

Obsidian 集成

Memory Wiki 支持与 Obsidian 笔记软件深度集成:

1
2
3
4
5
6
memory-wiki:
obsidian:
enabled: true
useOfficialCli: true # 使用 Obsidian 官方 CLI (v1.12+)
vaultName: "openclaw-wiki"
openAfterWrite: false

官方 Obsidian CLI(v1.12+)提供完整的 vault 自动化能力,包括:文件管理、每日笔记、搜索、任务、标签、属性、链接、书签、模板、主题、插件、同步与发布。

renderMode 设为 "obsidian" 时,Wiki 页面输出为 Obsidian 兼容格式,可直接在 Obsidian 中浏览和编辑。


Dreaming 系统(实验性)

Dreaming 是一个可选的后台巩固流程,与 Memory Wiki 配合工作:

  1. 收集(Collect):从每日笔记中提取短期信号
  2. 评分(Score):基于阈值(得分、召回频率、查询多样性)筛选候选项
  3. 晋升(Promote):将合格项目提升至长期记忆(MEMORY.md
  4. 记录(Document):在 DREAMS.md 中写入阶段性摘要

v2026.4.7 中 Dreaming 系统的改进:

  • 支持将脱敏的会话转录导入 dreaming 语料库
  • 按天生成 session-corpus 笔记
  • 游标检查点与晋升/诊断支持
  • 在每日笔记导入前剥离托管的 Light Sleep 和 REM 块

搜索后端与混合检索

Memory Wiki 的搜索依托 OpenClaw 的混合检索架构:

后端 特点
Builtin(默认) 基于 SQLite,支持关键词、向量和混合搜索
QMD 本地优先,支持 reranking 和外部目录索引
Honcho AI 原生跨会话记忆,支持用户建模

当配置了 embedding provider 时(支持 OpenAI、Gemini、Voyage、Mistral),wiki_search 采用 混合搜索 策略:

  • 向量相似度:语义理解层面的概念匹配
  • BM25 关键词匹配:精确标识符与代码符号匹配
  • 新鲜度加权:近期更新的内容获得排名提升

v2026.4.7 新增了当 sqlite-vec 不可用或向量写入降级时的显式警告。


配置参考

完整的 Memory Wiki 插件配置示例:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
plugins:
memory-wiki:
enabled: true
vaultMode: "isolated" # "isolated" | "bridge"
vault:
path: "~/.openclaw/wiki/main"
renderMode: "obsidian" # "obsidian" | "plain"
obsidian:
enabled: true
useOfficialCli: true
vaultName: "openclaw-wiki"
openAfterWrite: false
ingest:
autoIndex: true
search:
backend: "builtin" # "builtin" | "qmd" | "honcho"
freshnessWeight: 0.3 # 新鲜度权重系数
lint:
contradictionClustering: true
stalenessThresholdDays: 30
dashboard:
enabled: true

v2026.4.7 更新要点

OpenClaw v2026.4.7 是 Memory Wiki 的重要里程碑版本,恢复了完整的 memory-wiki 栈:

Memory Wiki 核心恢复

  • 插件 + CLI + sync/query/apply 工具链
  • Memory-host 集成
  • 结构化 claim/evidence 字段
  • 编译摘要检索
  • Claim 健康度 linting
  • 矛盾聚类
  • 过时性仪表盘
  • 新鲜度加权搜索

其他相关更新

  • 推理中心:新增 openclaw infer hub,支持跨 model/media/web/embedding 的 provider 推理工作流
  • 媒体生成:工具/媒体生成支持跨 provider 自动降级,保留意图
  • Webhook 集成:内置 webhook ingress 插件,支持外部自动化创建和驱动 TaskFlow
  • 向量召回警告sqlite-vec 不可用时显式提醒
  • Dreams 配置感知:Dreams 配置读写现在尊重选定的 memory slot 插件

参考资料

❌
❌