蹭上150k Star的热点，从clawdbot学会了给AI加自动记忆！
昨儿晚上，老金我刷到一篇挺火的文章——讲一个叫openclaw（原clawdbot，以下名称使用openclaw）的项目怎么搞到150k Star的。
点进去一看，卧槽，这玩意儿的核心竟然是：给AI加了个记忆系统。
文章写得那叫一个专业，什么知识图谱、记忆检索、三层架构...
老金我一边看一边想：这不就是解决老金我之前那个问题吗？
什么问题？就是每次用AI都要重新交代背景，烦得要死。
老金我琢磨了一晚上，发现这个思路，咱们普通人也能用。
今天就把老金我的测试结果分享给你们。
号外，再说一次前两天教的GEMINI在Chrome的插件贼好用。
开启教程在这：
图片加载中…
还能直接 画个图
图片加载中…
甚至它还能看油管视频，操作网页（看起来是灰度测试，首先需要Ultra，去海鲜市场看看）。
三个烦人的事
先说说老金我遇到的三个问题，你们可能也有同感。
每次都要重新交代背景
写周报、做PPT、写邮件...每次都要从零开始介绍你是谁、做什么工作、喜欢什么格式。
烦人程度⭐⭐⭐⭐⭐
AI记不住你的偏好
你喜欢的风格、常用的格式、固定的署名...说一次忘一次。
烦人程度⭐⭐⭐⭐
用得越多，越觉得它不懂你
明明教过它N次，下次还是老样子。
烦人程度⭐⭐⭐⭐⭐
最搞心态的是什么？
老金我明明告诉过AI多少次"我喜欢简洁风格"，它下次还是给我写一大堆废话。
这不怪AI，是老金我没给它"记忆"。
老金发现的方案
老样子，先讲原理，最后再讲怎么实现。
老金我刷到的那篇openclaw文章，讲的是它怎么搞到150k Star的。
核心就一个：三层记忆系统。
老金我仔细研究了一下，发现这玩意儿普通人也能借鉴！
它是这么设计的：
第一层：知识图谱——记录实体信息，比如谁，或者什么东西
第二层：每日笔记——记录每天发生了什么
第三层：隐性知识——记住模式、偏好、经验教训
老金我一看，这不就是"背景档案+任务记忆+经验积累"吗？
咱们换个说法，就能用在日常AI使用上。
这里老金我要插一个更牛的概念——Agent Skills。
那篇openclaw文章下面还有一篇，讲的是用"Skills"管理项目知识库。
老金我一看，这不就是给AI建了一个"随时能调用的档案室"吗？
核心思想就四个字：渐进式披露。
什么意思？就是你不用把所有东西一股脑塞给AI，而是建立一个索引。
AI需要的时候，自己去找，自己来调。
这就像你给AI建了个"私人图书馆"，它知道哪本书在哪，用的时候自己去拿。
老金我一下子就明白了——这才是记忆系统的正确打开方式啊！
第一层：背景档案
就像给新入职的同事发一份入职手册。
记录你的基本信息：工作内容、常用格式、风格偏好。
这样AI第一次就知道你是谁。
第二层：任务记忆
就像老秘书知道你的习惯。
记住你经常做什么任务、喜欢什么风格、讨厌什么表达。
这样AI越用越懂你。
第三层：经验积累
就像你自己越做越熟练。
记住哪些写法效果好、哪些需要改进、用户给过什么反馈。
这样AI会不断进化。
对比一下
老金我做了个对比，你们感受一下。
升级前——每次都要重申背景、风格记不住、经验没积累、越用越不懂你
升级后——AI自动加载背景、记住你的偏好、积累使用经验、越用越懂你
不是同一个量级的东西。
整个流程大概是这样：
图片加载中…
openclaw的三层架构
老金我深入研究了一下openclaw的三层记忆系统，给你们看看它的真实架构：
Layer 1: 知识图谱 (/life/areas/)
└── 带原子事实 + 动态摘要的实体
Layer 2: 每日笔记 (memory/YYYY-MM-DD.md)
└── 原始事件日志——发生了什么，何时发生
Layer 3: 隐性知识 (MEMORY.md)
└── 模式、偏好、经验教训
这不仅仅是记忆。
这是复利智能。
每次对话增加信号。
每周，信号被提炼。
六个月后，你的openclaw理解你的生活——结构化、可搜索、且实时更新。
第一层：知识图谱
老金我拿公众号写作给你们举例，你们一下就懂了。
每个选题都有自己的档案：
.claude/memory/areas/
├── topics/ # 选题库
│ ├── claude-code/ # Claude Code系列
│ │ ├── summary.md # 统计摘要：15篇，平均2.1万阅读
│ │ └── items.json # 每篇文章的数据
├── formulas/ # 标题公式库
│ └── baokuan-title/ # 爆款标题
│ ├── summary.md # 哪些公式好用
│ └── items.json # 每次测试结果
└── authors/ # 对标作者
└── laojin/ # 老金自己
原子事实是什么意思？
就是每次写作的一条记录，独立存储，下面讲每日笔记时候可以看到截图。
当老金我发现新公式更好用，旧记录不会被删除，而是标记为过时。
看出来了吗？
AI可以追溯老金我的偏好是怎么变化的。
哪些公式曾经有效、为什么被替代、什么时候被替代——全都有记录。
动态摘要（summary.md）
AI不会每次都加载几百条原始数据，而是每次生成一个快照。
图片加载中…
第二层：每日笔记
memory/2026-01-31.md —— 当天的写作记录。
图片加载中…
这是"时间线"层。
记录每次写作的情况、用户反馈、老金我的决策。
第三层：隐性知识
MEMORY.md记录老金我的写作风格和避坑经验。
这里老金我结合了Skill制作，符合单一源规则。
图片加载中…
这些不是具体某次写作的记录。
它们是老金我总结出来的规律。
复利引擎
这才是这套系统厉害的地方。
自动记录（每次写作后HOOK触发）
每次写完文章，AI自动提取关键信息：
"Claude Code选题，利益前置型标题，阅读2.1万"
"用户评论：标题很吸引人，想看更多"
"结论：利益前置型公式效果最稳"
老金我不用手动记，AI自动帮我存。
无需手动整理。
没有过时数据。
飞轮效应
写作 - 自动提取数据（选题/公式/阅读，这个老金是拿SKILL做的，不算记忆内）- 更新知识图谱 - 统计分析 - 下次写作自动应用最佳策略 - 更好的效果 - 更多数据积累。
这就是复利。
第1周：记录几条写作数据
第1月：知道哪些公式好用、哪些选题热门
第3月：AI自动选择最佳策略，越用越省心
第半年：老金我的写作效率翻倍，AI比我还懂我的读者
全部人类可读，全部可搜索，越用越智能。
为什么这胜过其他一切
【向量数据库 / RAG】
黑盒。你无法检查AI"知道"什么。
【单体上下文文件】
无法扩展。会过时。加载昂贵。
【基础openclaw】
基础扎实，但是静态的。
【三层openclaw】
可读文件。自动维护。复利智能。
老金的实战：用公众号写作复刻三层架构
老金我研究了半天，发现用Claude Code的Skills + Hooks功能，就能完整复刻这套三层架构！
老金我拿自己的公众号写作给你们演示——看看这套复利引擎是怎么跑起来的。
老金之前的状况
每次让AI帮忙写文章，都要从头交代：
你：帮我写一篇公众号文章
AI：好的，什么主题？什么风格？
你：AI工具相关的，爆款标题
AI：（写了一篇，但标题不够吸引人）
你：标题要带数字，要蹭热点
你：（来回改了好几轮）
最烦的是什么？
每次写作都要重复交代背景、风格、标题公式...
AI记不住上次怎么写的，下次还是老样子。
解决方案：构建复利引擎
老金我用公众号写作搭建了一套完整的三层记忆 + 复利引擎。
你们看看这套架构是怎么运作的：
完整目录结构：
.claude/memory/ # 记忆系统根目录
│
├── 【Layer 1: 知识图谱】
│ └── areas/
│ ├── topics/ # 选题知识图谱
│ │ ├── claude-code/
│ │ │ ├── summary.md # 动态摘要
│ │ │ └── items.json # 原子事实
│ │ └── ai-tools/
│ │ ├── summary.md
│ │ └── items.json
│ ├── formulas/ # 公式知识图谱
│ │ └── baokuan-title/
│ │ ├── summary.md
│ │ └── items.json
│ └── authors/ # 对标作者知识图谱
│ └── lao-jin-style/
│ ├── summary.md
│ └── items.json
│
├── 【Layer 2: 每日笔记】
│ └── memory/
│ ├── 2026-01-29.md # 周三的写作记录
│ ├── 2026-01-30.md # 周四的写作记录
│ └── 2026-01-31.md # 周五的写作记录
│
├── 【Layer 3: 隐性知识】
│ └── MEMORY.md # 风格偏好、避坑经验
│
└── 【自动触发】
└── hooks/
└── post-tool-use.py # 自动提取记忆
复利引擎：5环节循环
老金我拆解了一下，这套系统的核心就是一个飞轮效应：
┌─────────────────────────────────────────┐
│ 【1】对话（写作） │
│ 用户：写公众号 AI工具 │
└─────────────────┬───────────────────────┘
↓
┌─────────────────────────────────────────┐
│ 【2】事实提取（Hooks自动触发） │
│ → 提取主题：AI工具 │
│ → 提取公式：利益+数字+品牌 │
│ → 提取偏好：老金风格 │
└─────────────────┬───────────────────────┘
↓
┌─────────────────────────────────────────┐
│ 【3】知识图谱增长（写入items.json） │
│ topics/claude-code/items.json │
│ → 新增原子事实 │
│ → 更新summary.md │
└─────────────────┬───────────────────────┘
↓
┌─────────────────────────────────────────┐
│ 【4】每周综合整理（周日定时任务） │
│ → 审阅新增事实 │
│ → 更新相关摘要 │
│ → 标记过时事实为superseded │
└─────────────────┬───────────────────────┘
↓
┌─────────────────────────────────────────┐
│ 【5】更好回复（下次自动应用） │
│ → 自动加载相关选题的历史数据 │
│ → 自动应用验证过的标题公式 │
│ → 自动避开踩过的坑 │
└─────────────────┬───────────────────────┘
↓
【回到1】更多对话...
这就是复利智能。
用得越多，AI越懂你。
实战演示：一次完整写作
老金我给你们看一次完整的写作流程，你们看看这套系统是怎么运作的。
以下内容仅供参考思路，并非完整代码。
因为我还在调整，觉得还是很多可扩展内容，让它完完全全在这件事上替代我。
光版本我已经更新了11个版本 = = 。
图片加载中…
先搭建环境：
【环节1】创建记忆目录结构
mkdir -p .claude/memory/areas/topics
mkdir -p .claude/memory/areas/formulas
mkdir -p .claude/memory/areas/authors
mkdir -p .claude/memory/memory
touch .claude/memory/MEMORY.md
【环节2】事实提取（Hooks自动触发）
写作完成后，PostToolUse Hook自动触发：
# .claude/hooks/post_tool_use.py
def extract_writing_facts(conversation):
"""写作完成后自动提取事实"""
facts = []
# 提取主题
if "写公众号" in conversation:
topic = extract_topic(conversation)
facts.append({
"id": f"topic-{generate_id()}",
"fact": f"写了{topic}主题文章",
"category": "topic",
"timestamp": get_today(),
"status": "active"
})
# 提取用户反馈
if "阅读" in conversation or "效果" in conversation:
feedback = extract_feedback(conversation)
facts.append({
"id": f"feedback-{generate_id()}",
"fact": feedback,
"category": "feedback",
"timestamp": get_today(),
"status": "active"
})
# 写入items.json
save_facts_to_items(facts)
# 更新summary.md
update_summary()
【环节3】配置SessionStart Hook
# .claude/hooks/session_start.py
def load_context():
"""会话开始时自动加载记忆"""
# 加载隐性知识
memory = read_file(".claude/memory/MEMORY.md")
# 加载昨日的笔记
yesterday = get_yesterday()
daily_note = read_file(f".claude/memory/memory/{yesterday}.md")
# 加载相关主题的知识图谱
topics = scan_topics()
relevant = find_relevant_topics(topics)
return {
"memory": memory,
"daily_note": daily_note,
"topics": relevant
}
【环节4】编写MEMORY.md
# 公众号写作记忆
## 写作风格
- 人设：老金，接地气
- 语言：大白话
- 口语：卧槽、真香、哈哈哈
## 爆款公式
1、利益前置型：降40%、白嫖
2、人设验证型：老金实测
3、官方权威型：官方发布
#### 第五步：测试复利引擎
```bash
# 第一次写作
写公众号 AI记忆系统
# → Hook自动提取事实
# → 更新知识图谱
# 第二次写作（同一主题）
写公众号 AI新功能
# → 自动加载历史数据
# → 自动应用最佳公式
# → 自动避开所有坑
配置完成后，开始。
用户输入：
写公众号文章，主题：AI记忆系统
Claude Code自动处理：
[SessionStart Hook触发] <- ## 可以修改代码让他显性显示，直接甩给claude code
→ 加载 MEMORY.md（隐性知识）
→ 加载 memory/2026-01-30.md（昨日的笔记）
→ 加载 topics/ai-tools/summary.md（相关知识图谱）
好的，我来帮你写AI记忆系统的文章。
根据历史记录：
- 你写过Claude Code系列，阅读量不错
- 标题用"利益+数字+品牌"效果最好
- 风格要老金式大白话
看出来了吗？
AI在对话开始前，自动加载了三层记忆！
知识图谱增长（Layer 1）
自动写入 topics/ai-tools/items.json：
{
"id": "ai-tools-001",
"fact": "AI记忆系统文章，用AI三个月才发现",
"category": "topic",
"formula": "利益前置型",
"timestamp": "2026-01-31",
"status": "active"
}
更新 topics/ai-tools/summary.md：
# AI工具选题
## 概况
- 总文章数：12篇
- 平均阅读：1.8万
- 最佳表现：2.1万（AI记忆系统）
## 爆款公式
- 利益前置型：效果最好（2.1万阅读）
- 人设验证型：1.5万阅读
- 官方权威型：1.2万阅读
## 最新文章（2026-01-31）
- 标题：用AI三个月才发现给它加个记忆有多重要
- 公式：利益前置
- 状态：active
每日笔记（Layer 2）
自动写入 memory/2026-01-31.md：
# 2026-01-31
## 10:30 AM - 写作
主题：AI记忆系统
标题：用AI三个月才发现给它加个记忆有多重要
公式：利益前置型
## 3:00 PM - 用户反馈
文章发布，阅读2.1万，效果不错
用户评论：标题很吸引人
## 决策
利益前置型公式继续用，下次尝试加上"老金实测"
隐性知识（Layer 3）
自动更新 MEMORY.md：
# 公众号写作记忆
## 写作风格（老金风格）
- 人设：产品经理，接地气
- 语言：大白话，像朋友聊天
- 口语：卧槽、真香、哈哈哈
## 爆款公式（验证有效）
1、利益前置型：降40%、白嫖、赚更多（★★★★★）
2、人设验证型：老金实测、帮你发现（★★★）
3、官方权威型：30k+星、官方发布（★★）
## 避坑指南
- 标题不要超过28字
- 禁止用FOMO词（99%不知道）
- 禁止用纯情绪词（惊了、麻了）
## 对标作者
- openclaw系列：技术深度好，可以借鉴架构
- 老金风格：自己，保持一致性
下次写作：自动应用记忆
比如一周后，老金我又要写文章了。
用户输入：
写公众号文章，主题：Claude Code新功能
看AI怎么自动应用记忆：
[SessionStart Hook触发]
→ 加载 MEMORY.md
→ 加载 memory/2026-01-31.md
→ 加载 topics/ai-tools/summary.md
[知识图谱匹配]
→ 检测到主题：Claude Code（AI工具类别）
→ 加载历史数据：写过12篇，平均1.8万阅读
→ 最佳公式：利益前置型（2.1万）
[自动生成标题]
→ 候选1：老金用Claude Code才知道，这个神器让效率提升10倍
→ 候选2：蹭上100k Star的热点，老金从openclaw学会了给AI加自动记忆
→ 选择：候选2（蹭热点 + 利益前置）
[自动应用避坑指南]
→ 标题长度：29字（略超28字建议，但可接受）
→ 无FOMO词，无纯情绪词
[写作完成]
[PostToolUse Hook触发]
→ 提取新事实
→ 更新 items.json
→ 更新 summary.md
看出区别了吗？
第二次写作，AI自动：
1、加载了该主题的历史数据
2、自动选择了最佳公式
3、自动避开了所有坑
4、写完自动更新记忆
这就是复利引擎。
用得越多，AI越懂你。
关键技术：原子事实的替代机制
老金我研究了openclaw的源码，发现它最牛的是替代而非删除。
举个例子：
// 1月15日，老金认为"利益前置型"公式最好
{
"id": "formula-001",
"fact": "利益前置型公式效果最好",
"evidence": "AI记忆系统文章2.1万阅读",
"timestamp": "2026-01-15",
"status": "active"
}
// 2月1日，老金发现"人设验证型"效果更好
{
"id": "formula-001",
"status": "superseded",
"supersededBy": "formula-002",
"supersededAt": "2026-02-01"
},
{
"id": "formula-002",
"fact": "人设验证型公式效果最好",
"evidence": "老金实测系列2.5万阅读",
"timestamp": "2026-02-01",
"status": "active"
}
没有被删除的记忆。
AI可以追溯老金的偏好是如何随时间演变的。
效果怎么样
老金我测试了一周，说实话——真香。
之前：写周报要交代5分钟，AI写了再改10分钟
现在：直接说"写周报"，两分钟搞定
之前：做PPT每次都要调风格、改颜色
现在：AI记住老金我喜欢什么风格，一次成型
最明显的是什么？
老金我上次说"这个PPT太花哨了"，结果下次AI主动用了简约风格。
卧槽，这玩意儿是真的在学啊。
复利智能
老金我琢磨了一下，这个方案为什么这么好用？
核心就一个词：复利智能。
第1周记住基本背景，第1月记住任务偏好，第3月记住哪些风格效果好。
每次使用都在积累。
每次反馈都在优化。
三个月后，你的AI助手就不再是冷冰冰的工具，而是"懂你的老金"。
写在最后
说实话，老金我一开始也觉得麻烦。
又要写档案、又要记偏好、还得积累经验...
但现在用下来了，只有一个感觉：早该这么干了。
如果你也经常用AI做这些事——写周报、做PPT、写邮件、做方案...
建议你花点时间，给它建一份"记忆档案"。
对于不同的人，这套方案的价值可能不一样：
如果你只是偶尔用AI，那手动交代背景也还不错。
如果你每天都在用AI，那这套方案能帮你省下大量时间。
如果你是团队协作，那这套方案能让所有AI成员"共享记忆"。
前期花一小时，后期每天省半小时。
这就是复利的威力。
老金我现在的状态：
背景档案✅已建立
任务偏好✅已记录
经验积累🚧持续进行中
核心不是技术有多复杂，而是让AI真正记住你想要的东西。
老金我现在状态：越用越顺手，越用越省心。
希望这篇文章，能给你一些启发。