https://www.knightli.com/tags/%E8%AE%B0%E5%BF%86%E7%AE%A1%E7%90%86/ Recent content in 记忆管理 on KnightLi的博客 Hugo -- gohugo.io zh-cn Sun, 12 Apr 2026 12:41:34 +0800 https://www.knightli.com/2026/04/12/openclaw-dreaming-machine-dreams-humans-lose-sleep/ Sun, 12 Apr 2026 12:41:34 +0800 https://www.knightli.com/2026/04/12/openclaw-dreaming-machine-dreams-humans-lose-sleep/ <p>大模型的长期记忆一直是个老问题。上下文越积越多，信息越容易混乱。智能体看似什么都记得，实际上却越来越难判断什么重要、什么该忘。</p> <p>4 月 5 日，OpenClaw 在新版本里上线了一项实验功能：Dreaming。它不是一个花哨名字，而是一套模仿人类睡眠过程的后台记忆整理机制，目标很直接，就是让智能体醒来后记得更准。</p> <h2 id="01-睡眠算法把记忆整理拆成三个阶段">01 睡眠算法：把记忆整理拆成三个阶段 </h2><p>Dreaming 并不是简单做索引，而是把记忆整理拆成三个逻辑阶段，对应人类睡眠中的不同功能。</p> <p>浅睡阶段（Light Sleep）：系统先扫描近期对话和召回记录，做去重和初步筛选，生成候选内容。这个阶段只做暂存，不会直接改动核心记忆文件 <code>MEMORY.md</code>。</p> <p>深睡阶段（Deep Sleep）：系统开始按规则筛选高价值信息。只有同时达到最低评分、最低召回次数和最低独特查询次数的信息，才会进入下一步。写入前还会重新比对最新日志，剔除过时内容，最后把结果追加到 <code>MEMORY.md</code>，并在 <code>DREAMS.md</code> 中留下深睡摘要。</p> <p>快速眼动阶段（REM）：在记忆固化之后，系统进一步分析短期行为痕迹，寻找不同信息之间的潜在联系，生成模式总结和反思内容。这部分会写入专门的 REM 区块，帮助智能体在处理复杂任务时更容易抓住全局。</p> <p>除了给机器自己用的记忆整理机制，Dreaming 还会顺手生成一份更适合人类阅读的“梦境日记”。当素材积累到一定程度，后台子智能体会调用默认模型，在 <code>DREAMS.md</code> 中追加一段简洁说明。</p> <h2 id="02-评分机制决定什么该留下什么该被忘掉">02 评分机制：决定什么该留下，什么该被忘掉 </h2><p>Dreaming 的关键不只是“整理”，更是“筛选”。OpenClaw 没有继续沿用粗放式的全量保存，而是用一套加权评分机制判断哪些信息值得进入长期记忆。</p> <p>这套机制主要看六个维度：</p> <ul> <li>相关性权重（30%）：衡量信息在被检索时到底有没有用。</li> <li>频率权重（24%）：统计某条信息被反复提及的次数。</li> <li>查询多样性（15%）：看它是否在不同问题和场景中都出现过。</li> <li>时效性权重（15%）：让新近信息拥有更高优先级。</li> <li>整合度权重（10%）：看信息是否能跨多天稳定出现。</li> <li>概念丰富度（6%）：判断它背后的关联概念是否足够丰富。</li> </ul> <p>这意味着系统不是把所有内容一股脑塞进长期记忆，而是优先保留那些反复出现、能解决问题、又不过时的信息。</p> <h2 id="03-它为什么让人联想到-claude-的做梦思路">03 它为什么让人联想到 Claude 的“做梦”思路 </h2><p>有开发者认为，OpenClaw 这次 Dreaming 升级的思路，很像 Claude Code 泄露代码中出现过的 KAIROS 自动做梦机制。过去那种反复读写整个 <code>MEMORY.md</code> 的方式，到了后期很容易让记忆系统越来越臃肿；而 Dreaming 把过程拆成浅睡整合、深睡固化、REM 关联，逻辑明显更清晰，也更接近“先整理、再沉淀、再提炼”的思路。</p> <p>也有人从神经科学角度肯定这套设计。因为 Dreaming、浅睡、深睡和 REM 这些概念并不是随便取的名字，而是明确借用了人类睡眠巩固记忆的模型。</p> <p>OpenClaw 现有的 <code>IDENTITY.md</code>、<code>USER.md</code> 和 <code>HEARTBEAT.md</code> 已经给了智能体人设、用户上下文和运行连续性，而 <code>DREAMS.md</code> 补上的，正是“哪些记忆该留下”的能力。</p> <h2 id="04-最讽刺的一幕机器学会做梦人却睡不着">04 最讽刺的一幕：机器学会做梦，人却睡不着 </h2><p>Dreaming 的真正价值，不是让 AI 什么都记住，而是让它学会复盘短期记忆、提取底层模式、过滤噪音。一个真正好用的智能体，不应该像移动硬盘一样死记硬背，而应该越来越懂用户的偏好、目标和背景。</p> <p>从工程角度看，这套机制最值得注意的地方在于它并不神秘。它不是黑盒魔法，而是一套有阶段、有阈值、有反思、也有遗忘规则的后台流程。这种设计让 AI 的记忆机制第一次显得更像“可控的系统”，而不只是“无限堆上下文”。</p> <p>但也正因为如此，整件事才显得有点讽刺：我们正在投入大量资源，教机器如何像人一样做梦；与此同时，许多人却因为担心被这些越来越聪明的系统取代而失眠。</p>