OpenClaw 进阶配置：记忆系统 — memoryFlush 与 memorySearch

本文与《核心配置文件：MEMORY.md》配套：侧重 openclaw.json 中的压缩前落盘（memoryFlush）与检索侧（memorySearch）调优，不涉及 workspace 内 Markdown 的写作规范时可先看 MEMORY 篇。

为什么会出现「失忆」

这是搜索量很高的一个问题。原因是 OpenClaw 的**上下文压缩（compaction）**触发了。
每个模型都有上下文窗口限制（Claude 是 200K token）。当对话接近这个限制时，OpenClaw 会自动把旧对话压缩成摘要腾出空间——压缩过程中可能丢失细节。

memoryFlush：压缩前保存关键信息

解决方案：开启 memoryFlush，在压缩触发之前，先让 AI 把重要信息写入文件。
在 openclaw.json 里加上：

{
  "agents": {
    "defaults": {
      "compaction": {
        "reserveTokensFloor": 20000,
        "memoryFlush": {
          "enabled": true,
          "softThresholdTokens": 4000
        }
      }
    }
  }
}

参数说明

参数	含义	推荐值
reserveTokensFloor	压缩后至少保留多少 token 的最近对话	20000
memoryFlush.enabled	是否开启压缩前自动保存	true
memoryFlush.softThresholdTokens	距离压缩多少 token 时触发保存	4000
💡 memoryFlush 静默执行，不打断对话。开了 verbose 模式（/verbose）可以看到 🧹 Auto-compaction complete 的提示。

memorySearch：结构化笔记提高命中率

memorySearch 的底层是向量语义检索，结构化日志的命中率比非结构化日志高得多：
搜索词：”nginx 部署问题”
❌ 非结构化日志（命中率低）：

今天折腾了一天，先搞了数据库迁移，然后部署了新版本，nginx 配置改了一下...

✅ 结构化日志（命中率高）：

### [PROJECT:MyApp] nginx 反代配置
- **结论**: 用 nginx 反代部署成功
- **教训**: upstream 要用 127.0.0.1 不要用 localhost（IPv6 问题）
- **标签**: #nginx #deploy #myapp

SiliconFlow bge-m3 配置示例

国内用户较快上手的方案——SiliconFlow 提供的 bge-m3 向量模型完全免费：

{
  "memorySearch": {
    "enabled": true,
    "provider": "openai",
    "remote": {
      "baseUrl": "https://api.siliconflow.cn/v1",
      "apiKey": "你的 SiliconFlow API key"
    },
    "model": "BAAI/bge-m3"
  }
}

为什么推荐 bge-m3？ 完全免费、中英文双语支持好、向量维度 1024 精度和性能平衡好。
获取方式：去 siliconflow.cn 注册 → 控制台 → 创建 API key。

自动记忆维护（配合 HEARTBEAT）

在 HEARTBEAT.md 里加上每周自动维护任务，防止过期日志干扰 memorySearch 结果。

记忆维护（每周一次）

读取 memory/heartbeat-state.json，检查 lastMemoryMaintenance 字段。
如果距今 >= 7 天：

1. 读最近 7 天的 memory/YYYY-MM-DD.md 日志
2. 提炼有价值的信息到对应文件（projects.md / lessons.md）
3. 压缩已完成一次性任务的日志为一行结论
4. 删除过期信息
5. 更新 heartbeat-state.json 的 lastMemoryMaintenance 为今天创建 memory/heartbeat-state.json：

{
  "lastMemoryMaintenance": "2026-01-01"
}