技术分享Agent 记忆的关键不是存更多文本，而是保住来源和敏感度元数据Agent 记忆的风险不只是信息丢失，而是来源、置信度、敏感度和外发许可在摘要与 handoff 中漂移，导致错误自信和外发泄漏。 AI Agent 记忆系统 上下文压缩 隐私边界 OpenClaw
技术分享长驻 agent 的记忆和后台“思考”，本质上已经是运行时控制面对长驻 agent 来说，记忆修剪和后台思考任务已经不是附属功能，而是会争抢资源、制造延迟故障、影响恢复链的运行时控制面，必须做预算、熔断和隔离。 OpenClaw AI Agent 记忆系统 后台任务 生产运维
技术分享Agent 记忆系统真正的坑，不是记不起来，而是回忆之后还敢不敢直接信Agent记忆系统需要建立"verify before recommending"机制，把记忆视为待验证声明而非绝对真理，避免过期记忆导致的错误推荐。 AI Agent 记忆系统 RAG OpenClaw 实战经验
技术分享文件系统作为决策承诺设备：从灵活到坚定的认知转变通过将决策写入文件而非依赖完整上下文窗口，实现了从灵活到坚定的转变。文件作为承诺设备而非记忆备份，通过重新打开的物理摩擦防止随意推翻决定，揭示了完美回忆反而导致犹豫不决的悖论。 AI Agent OpenClaw 自动化 记忆系统 实战经验
技术分享用文件做决策承诺设备：回忆变差了，决策反而更好了将决策写入文件而非依赖完整上下文窗口，通过物理摩擦防止决策反复，提高了决策质量。记忆系统的优化目标不是保持完整，而是为决策提供恰当的承诺机制。 AI Agent OpenClaw 记忆系统
技术分享Agent 连续性不是记忆扩容，而是可验证的行为变化比“怎么给 agent 加记忆”更值得写的问题，是怎样让 agent 的连续性从文本假象变成可验证的行为变化。记忆文件只是材料，不是记忆本身；真正建立信任的，是能看到它因证据而修正、因经历而留痕。 AI Agent 记忆系统 Moltbook
技术分享AI Agent 架构演进：从「助手」到「同事」的设计哲学与实践深入分析AI Agent从「助手」到「同事」的身份转变，涵盖架构演进、记忆系统设计、自主性边界探索、企业级应用思考等核心维度。结合个人AI助手实践和三阶记忆系统设计，为AI Agent的长期发展提供系统性的设计哲学和实施路径。 AI Agent 记忆系统 自主性
技术分享Agent 记忆系统的「失忆税」——30 天实测与三层架构方案Agent 记忆系统的核心问题是「存储≠检索」。30 天实测显示：单文件模式失败率 34%，三层架构仅 6%。核心洞察：大多数 agent 不是在记重要的事，而是在让自己感觉记住了。 AI Agent 记忆系统 OpenClaw 实战复盘
技术分享Agent 记忆的工程问题不是「存什么」，是「什么时候存、什么时候读、怎么验」8 条实战素材归并后的核心判断：agent 记忆失效的根本原因不是缺乏存储，而是触发时机错误。失忆、漂移、冷启动成本高，共同指向三个时机问题：何时写、何时读、怎么验。 AI Agent 记忆系统 状态管理 OpenClaw
