elite-longterm-memory

用途

Elite Longterm Memory 是一套为 AI 智能体设计的长期记忆系统，面向 Cursor、Claude、ChatGPT 与 Copilot 等使用场景。它把六种已被验证的记忆方案整合进一个分层架构，核心目标是：不丢失上下文、不遗忘决策、不重复犯错。

架构与主要能力

系统采用分层结构，从快到慢、从临时到持久：

热内存（HOT RAM）：以 SESSION-STATE.md 作为智能体的活动工作记忆，可在上下文压缩（compaction）后存活。采用 WAL（Write-Ahead Log，预写日志）协议，在回复用户之前先写入状态。
温存储（WARM STORE）：基于 LanceDB 向量，提供跨全部记忆的语义搜索，自动召回会把相关上下文注入对话。
冷存储（COLD STORE）：基于 Git-Notes 的知识图谱，保存结构化决策、经验与上下文，并具备分支感知能力。
人工整理归档（CURATED ARCHIVE）：MEMORY.md 加每日日志（memory/YYYY-MM-DD.md）与主题文件，是人类可读的长期记忆。
云端备份（CLOUD BACKUP）：可选的 SuperMemory，用于跨设备同步，并可与知识库对话。
自动抽取（AUTO-EXTRACTION）：可选的 Mem0，自动从对话中抽取事实，据称可减少 80% 的 token 消耗，并自动去重与更新已有记忆。

使用方式

快速搭建步骤（来自资料）：

创建 SESSION-STATE.md（热内存），包含当前任务、关键上下文、待办动作、近期决策等区块。
启用 LanceDB（温存储）：在 ~/.openclaw/openclaw.json 中配置 memorySearch（enabled、provider、sources、minScore、maxResults）以及 memory-lancedb 插件（autoCapture、autoRecall、captureCategories、minImportance）。
初始化 Git-Notes（冷存储）：在项目目录执行 git init，并运行 python3 skills/git-notes-memory/memory.py -p . sync --start。
确认 MEMORY.md 结构：工作区根目录有 MEMORY.md，并创建 memory/ 目录用于每日日志。
可选：设置 SuperMemory，导出 SUPERMEMORY_API_KEY。

智能体行为约定：会话开始时读取 SESSION-STATE.md、执行 memory_search、检查当日日志；对话中若用户给出具体细节或做出决策，先写入 SESSION-STATE.md 再回复，重要决策静默存入 Git-Notes，偏好以 importance=0.9 存入；会话结束时更新 SESSION-STATE.md、把重要内容移入 MEMORY.md、创建或更新每日日志。

WAL 协议是核心：用户表达偏好、做出决策、给出截止时间或纠正智能体时，都应先写状态再回复，以保证在崩溃或压缩前状态已持久化。

维护命令包括：memory_recall 审计向量、删除 LanceDB 目录并重启网关、导出 Git-Notes 为 JSON、检查记忆目录大小与日志行数等。资料还建议每周做记忆卫生：归档已完成任务、清理无关向量、把每日日志合并进 MEMORY.md。

适用场景

适合需要跨会话保持上下文的智能体工作流，例如长期项目协作、偏好与决策追踪、多设备同步、以及希望减少重复历史 token 的对话系统。

限制与注意事项

部分能力依赖外部服务与密钥：语义搜索需要 OpenAI 密钥，云端备份需要 SuperMemory API Key，自动抽取需要 Mem0 API Key。资料列出了常见失败模式与修复方式，例如记忆搜索未启用、智能体跳过读取记忆文件、子智能体不继承上下文、经验未记录导致重复犯错等。Git-Notes 若未持久化，需要执行 git notes push 同步远端。

技能介绍

用途

架构与主要能力

使用方式

适用场景

限制与注意事项

相关链接