分层记忆系统 (Layered Memory)
为AI助手提供类人的6层记忆架构，模拟人类大脑的"白天经历→夜晚整理→巩固/遗忘"循环。
6层记忆架构
核心层（永久）━━━━━━━━━━━━━━━━━━━ MEMORY.md
沉淀层（90天）━━━━━━━━━ 重要决策/项目经验
关注层（30天）━━━━━ 反复讨论的话题
活跃层（7天）━━━ 正在进行的任务
闪存层（3天）━ 临时查询/一次性问答
Session（实时）━━━━━━ 当前对话上下文
快速开始
1. 初始化记忆系统
复制以下文件到AI助手的 memory/ 目录：
memory/
├── index.json ← 分层记忆索引
├── archive.md ← 归档记忆
├── dream-log.md ← 梦境日志
└── scripts/
├── dream-cycle.mjs ← 梦境执行器
├── session-search.mjs ← Session日志检索
└── semantic-similarity.mjs ← 语义相似度检测
2. 配置心跳触发梦境
在心跳配置（如 HEARTBEAT.md）中添加：
当时间在凌晨2-5点或白天空闲时：
1. 执行 `node memory/scripts/dream-cycle.mjs`
2. 自动处理：巩固/归档/遗忘/合并
3. 结果写入 dream-log.md
3. 初始化 index.json
首次使用时创建索引文件，格式见 references/index-schema.md。
自动写入规则
每次对话中根据条件自动写入记忆：
- 对话轮次 > 10 → 写入 active 层（7天）
- 用户说"记住这个" → 直接写 settled 层（90天）
- 一次性问答（< 5轮） → flash 层（3天，自动过期删除）
- 任务完成 → 标记
status: "completed"，7天后归档
升级规则
| 条件 | 动作 |
|---|---|
| recallCount ≥ 3 且 flash | 升级到 active（7天） |
| recallCount ≥ 5 且 active | 升级到 attention（30天） |
| recallCount ≥ 10 且 attention | 升级到 settled（90天） |
| settled 被频繁引用 | 写入 MEMORY.md（永久） |
任务类型
| 类型 | 起始层 | 策略 |
|---|---|---|
| short（短期任务） | active | 完成后7天归档 |
| recurring（周期任务） | attention | 每次执行刷新TTL |
| exploration（探索话题） | flash | 反复讨论才升级 |
梦境模式
见 references/dream-cycle.md 获取完整的梦境模式流程说明。
检索优先级
1. memory/index.json（结构化索引）
2. memory/*.md（每日记忆）
3. Session日志（session-search.mjs）
→ 路径: ~/.openclaw/agents/main/sessions/*.jsonl
脚本使用
dream-cycle.mjs — 梦境执行器
node dream-cycle.mjs
自动执行：巩固检查 → 归档检查 → 遗忘检查 → 合并检查 → session日志检索
session-search.mjs — 日志检索
node session-search.mjs <关键词1> <关键词2> ...
搜索最近的session日志，找回compaction丢失的对话细节。
semantic-similarity.mjs — 语义相似度
node semantic-similarity.mjs
测试语义相似度检测（TF-IDF + 余弦相似度，中文n-gram + 英文词）。
归档格式
过期记忆概括保存到 archive.md：
## 技术
- [2026-04-17] AI定价策略/Token成本
状态：completed | 概括：讨论了传输vs推理成本、厂商定价逻辑
## 运维
- [2026-04-10] 龙虾服务修复
难点：systemd限制 → 改独立脚本