记忆搜索与自动整理：语义检索、压缩前刷新与 Dreaming

记忆文件多了之后，「找得到」比「存得多」更重要。OpenClaw 给了两把工具和一个后台整理流程。

两个记忆工具

• memory_search：语义搜索——用词和原文不一样也能搜到（混合模式：向量相似度管语义、关键词匹配管代码符号等精确术语）。
• memory_get：按文件与行号精确读取。

两者由当前启用的记忆插件提供，默认是内置的 memory-core（SQLite 后端，开箱即用，无需额外依赖）。

嵌入提供商

语义搜索需要嵌入模型。默认用 OpenAI 嵌入；显式设置 memory.search.provider 可换成 Gemini、Voyage、Mistral、Bedrock、DeepInfra、本地 GGUF、Ollama、LM Studio 等——走本地模型即可全离线检索。

命令行管理

openclaw memory status          # 索引状态与提供商
openclaw memory search "query"  # 命令行直接搜
openclaw memory index --force   # 重建索引

压缩前记忆刷新

对话太长会触发压缩（compaction）。OpenClaw 在生成摘要之前会静默跑一轮提醒：把还没落盘的重要事实先写进记忆文件，防止压缩丢上下文。此功能默认开启，也能专门给这一轮配一个便宜模型（比如本地小模型）来省钱。

Dreaming：后台自动晋升

可选开启的后台整理流程：收集短期召回信号、给候选记忆打分，只有过了分数、召回频率、查询多样性三道门槛的条目才会晋升进 MEMORY.md。阶段摘要写入 DREAMS.md 供你审阅，不满意的可以回滚。默认关闭，需要手动启用。

记忆后端可换

• 内置（默认）：SQLite，零依赖。
• QMD：本地优先的边车引擎，支持重排序与工作区外目录索引。
• Honcho / LanceDB / Memory Wiki：插件形态，分别偏向跨会话用户建模、向量检索、知识库化。

日常用法一句话：让它记就直说，翻旧账就问它——它自己会调 memory_search。接下来看怎么教它新本领：技能系统。