过去几个月，我把模型换了三代，插件也装了一抽屉，还是躲不开同一个尴尬：Agent 每天像“初来乍到”。

昨天刚定下的写作规则，今天就消失；前脚纠正的格式，后脚又回来了。直到把“记忆”从对话里挪到文件系统里，局面才彻底变了。

OpenClaw 给了我一个很朴素却极有效的答案：不用花哨的数据库，不追求一次性“让模型变聪明”，而是把能沉淀的东西写进磁盘，让 Agent 每次启动都“读档”。

我照着这套思路跑了 40 天，8 个 Agent 分工协作，输出质量稳定爬坡，复现成本意外地低。架构对了，模型自然就“像变聪明了”。

Agent 为何“失忆”：不是模型问题，是制度问题

多数 Agent 把上下文捆在 prompt 上，session 结束就归零。这种做法在 demo 阶段还行，上线后一地鸡毛。

我的经验是：记忆不是某次对话的附属品，而是独立的资产，需要一个可被多轮复用、可被审核、可被版本化的载体。

Shubham（Google AI PM）的做法很极简：用三层 Markdown 文件做“长期记忆”。

Agent 每次启动先读这些文件，再工作。40 天后，还是同一个模型，输出却像换了队友。

背后其实是一种组织学：把“人设—流程—知识”拆开，持续打磨。

三层文件系统：Identity / Operations / Knowledge

这套系统的美在于简单，每一层都解决一个清晰的问题。我把自己的实践和补充建议一起放在下面。

一、身份层 Identity：给 Agent 一个稳定的人设

核心文件：

• SOUL.md：人格与原则。建议控制在约 60 行以内，避免挤占工作上下文。
• IDENTITY.md：名片式速览（Name / Role / Vibe / Emoji / Inspiration）。
• USER.md：你是谁、偏好、时区、禁忌。写一次，让所有 Agent 知道“为谁服务”。

有个小技巧很管用：用大众熟知的影视角色做“风格借道”。比如把研究 Agent 设为 Dwight（The Office），模型立刻明白“较真、求证、零容忍捏造”是什么味道。我的感受是，这类高频文化符号比任何形容词更稳。

个人补充：

• 在 SOUL.md 里留一个“禁行区”清单（Never Suggest）：积攒几次踩雷后写清楚，能显著降低“老问题复发”。
• USER.md 放进细节：时区、内容长度偏好、是否允许使用 emoji、是否避开某些敏感品牌。细到“绝不用破折号”都值得写；长期看，这类微偏好影响惊人。

二、操作层 Operations：把不可靠的“记在脑子里”改成“写在纸上”

核心文件：

• AGENTS.md（根）：所有 Agent 共享的启动顺序、文件读取、记忆写入、安全规则。
• AGENTS.md（各 Agent 专属）：在根规则上叠加各自的操作手册与输入清单。
• 专业指南：写作风格、内容格式、研究协议、目标受众画像等，按需要逐步补齐。
• HEARTBEAT.md：自检与自愈，监控关键流程与依赖。

我在一线踩过的坑主要有两个：

• 调度看起来在跑，实际上没有执行。解决办法是让 Heartbeat 定期核验“最近一次成功执行时间”，超过阈值就触发补偿。
• 浏览器或账号意外登出导致全链条哑火。Heartbeat 里把“登录状态”“关键页面是否可达”列为强约束，必要时自动拉起。

额外实践建议：

• 把“有人说‘记住这个’→ 写入 memory 文件”写进 AGENTS.md，别指望模型“自己记得”。
• 为 Heartbeat 设置“只跑一次”的节流标志，避免在异常时反复重启造成级联问题。
• 引入轻量可观测性：把每次心跳的结果写入一个 rolling log，便于回溯。

三、知识层 Knowledge：长期记忆 + 当天原始记录 + 共享世界观

核心文件：

• MEMORY.md：精炼的长期记忆。只存“重要纠偏、稳定偏好、血的教训”。
• memory/YYYY-MM-DD.md：每天的原始日志，记录当日素材、草稿、反馈。
• shared-context/：THESIS.md（当前世界观）、FEEDBACK-LOG.md（跨 Agent 通用纠正）、SIGNaLS.md（关注信号与趋势）。

两条纪律要牢牢执行：

• 只加载“今天 + 昨天”的日记。其余归档；必要时做周度/双周压缩摘要。我的 X 内容 Agent 有次暴涨到十几万 tokens，质量肉眼可见地下滑。
• 敏感偏好避免进入群聊或共享上下文；MEMORY.md 仅在直连 session 加载。

共享协作的关键在“单写者，多读者”。Dwight 写 intel/DAILY-INTEL.md，Kelly、Rachel、Pam 读；协调靠时间顺序保障：研究先跑，创作后接。省掉了 API 编排，也省掉大部分调试时间。

目录长啥样：够用就好，按需生长

一个可工作的骨架大致如此（精简版）：

workspace/

• SOUL.md / IDENTITY.md / USER.md / AGENTS.md / HEARTBEAT.md / MEMORY.md
• shared-context/（THESIS.md, FEEDBACK-LOG.md, SIGNALS.md）
• intel/（DAILY-INTEL.md + 数据）
• agents/{dwight, kelly, …}/（各自的 SOUL/IDENTITY/AGENTS/专业指南/memory）
• memory/（每日操作日志与归档）

别试图“一天到位”。这套结构最好是被“真实矛盾”驱动着长出来：踩过一次坑，再把坑写进 MEMORY.md；重复三次的反馈，提炼进 FEEDBACK-LOG.md；感觉在对多个 Agent 复述世界观，就写 THESIS.md。

为什么它有效：不是模型变强，而是制度在累积

第 1 天和第 40 天，我用的是同一个模型。变的是围绕模型的“制度化记忆”。

从我的复盘里，能量化的变化有三点（口径仅供参考）：

• 改稿轮次中位数从 3 次降到 1 次半，主要归功于 FEEDBACK-LOG.md 的跨 Agent 传播。
• 内容风格的一致性显著提升，尤其在“禁用标点/禁用营销语”这类细颗粒偏好上。
• 故障发现时延缩短到分钟级，Heartbeat 把“静默失败”几乎清零。

更关键的是“护城河效应”：这些文件在 40 天里不断长肉，越贴合我的语境，外人就越难复刻。你看到我的目录，也拿到同款模型，但读不出我的 THESIS 和 FEEDBACK 压过的那些边界，自然跑不出同样的味道。

复刻路线图：40 天，从能跑到能进化

给一条我亲测稳定的节奏。

• Day 0–1：装好 OpenClaw。写 SOUL.md / IDENTITY.md / USER.md。挑一个最重复的日常任务，配上 cron 跑起来。
• Day 3：开始有点失望？把不满意的地方逐条写成具体反馈，并让 Agent 记到当日日志。
• Week 1：补上根 AGENTS.md，把启动顺序、记忆写入、安全规则写清楚；为该任务加“专业指南”初稿。
• Week 2：启用 MEMORY.md。回看一周日志，把反复出现的纠偏提炼成长期条目。
• Week 3：增加第二个 Agent，采用“单写者、多读者”的文件协作；按依赖顺序排好调度。感觉在复述相同纠正？开 FEEDBACK-LOG.md 和 THESIS.md。
• Week 4：经历第一次故障后补 HEARTBEAT.md，只监控真正痛过的点；配一个简易运行日志。

额外加分项：

• 把 workspace 接上 Git，所有 Agent 的写操作自动提交，commit message 由 Agent 模板生成（包含变更动机与关联反馈）。
• 为每个共享文件标注 Owner 与写入者，严格执行“单写者”纪律；必要时使用时间窗或轻量锁防冲突。
• 设定“上下文预算线”：SOUL.md 控制在 60 行内，MEMORY.md 每两周瘦身一次，日记只读“今天+昨天”。

协作之道：没有消息队列，只有文件约定

这套方法省掉了复杂的多 Agent 编排，却更靠“约定”。我的做法：

• 文件即契约：每个共享文件都有固定结构与字段顺序，避免解析歧义。
• Mailbox 模式：上游写“已生成”的信封块，下游只读带时间戳的最新块；必要时保留最近 N 次快照。
• 失败降级：读不到研究文件时，创作 Agent 自动切到“复用既有选题”或“基于 THESIS 补位”的策略，并记录异常。

从今天开始：不是“调教模型”，而是“建设制度”

与其纠结“换不换模型”，不如把“记忆”搬上磁盘，让 Agent 每次启动都先“读档”。

如果你想立刻动手，把这篇文章丢给你的 OpenClaw Agent（我也叫它“小龙虾”），让它据此生成你的三层文件骨架；从一个重复任务起步，边跑边长。想深入研究，参考官方文档和仓库即可：

• Docs：https://docs.openclaw.ai
• GitHub：https://github.com/openclaw/openclaw
• Shubham Saboo：https://x.com/Saboo_Shubham_

最后给自己一句提醒：每天出现、认真反馈、把教训写进 MEMORY.md。

模型不会自己变聪明，制度会。