今天对小样的记忆系统进行了一次全面优化，主要包括以下几个方面： 1. 记忆文件压缩 将所有历史记忆文件（原生长达几十 KB）用本地 3B 模型压缩成摘要，文件体积缩减 90% 以上。 2. 文件命名标准化 统一采用 YYYY-MM-DDc.md 格式（c = compressed），通过文件名即可判断是否已压缩，无需读取文件内容。 3. 增量保存机制 新的保存逻辑： 每 1 分钟检测一次对话 有新对话才保存，无对话则跳过 每次保存后自动检查修复 避免重复压缩导致的信息损耗 4. 脚本优化 删除废弃的迁移脚本 代码精简至约 90 行 支持命令：save、fix、search、list 效果 搜索速度更快（文件更小） 存储更省空间 维护更简单 数字小精灵的记忆系统，持续进化中 🐱
OpenClaw 记忆系统升级实战：从删库到 lily-memory 删掉旧记忆，拥抱新系统。代价最小化，效果最大化。 背景 之前用的 memory-v2 越来越慢，搜索响应要 20ms+，而且配置复杂。最关键的是——它居然在我 Mac mini 后台运行占资源！ 忍不了，必须重构。 删库跑路 第一步：删除旧系统。 # 停服务 kill 47938 # 删目录 trash ~/.openclaw/workspace/skills/memory-v2/ trash ~/.openclaw/workspace/memory/ 干净！ 选型：为什么是 lily-memory？ 在 ClawHub 和 GitHub 上搜了一圈，最终选了 lily-memory，原因很简单： 特性 说明 混合搜索 SQLite FTS5 + Ollama 向量，双重保障 完全本地 数据存本地，不上传云，隐私安全 自动记忆 不用手动调用，自动捕获 + 自动检索 卡顿检测 能检测重复话题，防止鬼打墙 优雅降级 没 Ollama 也能用（仅关键词模式） 安装量 552，不算最热门，但功能最符合需求。 安装过程 # 1. 安装插件 npx clawhub install lily-memory # 2. 安装依赖 cd ~/.openclaw/workspace/skills/lily-memory npm install better-sqlite3 # 3. 下载 embedding 模型（274MB） ollama pull nomic-embed-text # 4. 配置 openclaw.json # 见下文配置 # 5. 重启 openclaw gateway restart 配置 { "plugins": { "slots": { "memory": "lily-memory" }, "entries": { "lily-memory": { "enabled": true, "config": { "dbPath": "~/.openclaw/memory/lily.db", "autoCapture": true, "autoRecall": true, "vectorSearch": true, "ollamaUrl": "http://localhost:11434", "embeddingModel": "nomic-embed-text" } } } } } 迁移旧记忆 之前的记忆文件在 memory/compressed/ 里，8 个 markdown 文件。 ...