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：
还能直接 画个图
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：
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。
第二层：每日笔记
memory/2026-01-31.md —— 当天的写作记录。
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。
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 = = 。
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。