什么是Fluid Memory
Fluid Memory 是一个基于艾宾浩斯遗忘曲线和访问频率衰减模型设计的智能记忆管理系统，它不是传统意义上的静态数据库，而是一个具备生命特征的拟人化记忆系统。该系统通过 OpenClaw 原生 flush 机制触发自动学习，在每次对话结束后同步记录关键信息，并依靠 softThresholdTokens 配置参数控制记忆归档的频率。其核心设计理念遵循人类认知规律：植入（Remember）、唤起（Recall）与遗忘（Forget）三个环节循环运作——当用户主动要求记录时写入新记忆，检索行为本身就会强化相关记忆，而不常提及的内容则会根据动态评分机制逐渐淡出系统。整个系统完全本地化运行，数据存储于 ~/.openclaw/workspace/database/ 目录且采用明文形式，确保隐私安全的同时也避免了云端同步带来的复杂性。
核心功能特点
- 基于艾宾浩斯遗忘曲线的智能衰减模型，模拟人类自然遗忘过程
- 依赖 OpenClaw 原生 flush 机制实现自动学习，无需额外干预
- 支持动态遗忘策略：检索分数低于阈值自动过滤，定时归档低价值记忆
- 通过主动调用工具实现精准记忆管理：fluid_remember/fluid_recall/fluid_forget
- 本地存储保障隐私安全，无加密但杜绝数据外泄风险
- 检索行为本身即强化记忆，形成正向反馈循环
适用场景
Fluid Memory 特别适合需要长期维护个性化知识库的应用场景。例如在一个持续交互的客服系统中，它可以记住客户的偏好设置、历史咨询问题以及特殊需求，并在后续对话中主动唤起这些信息以提供连贯服务。对于个人知识管理工具而言，它能自动区分高频使用的重要资料和低频查阅的旧文档，让真正有价值的信息始终处于活跃状态。在需要频繁更新用户画像的智能助手场景中，该系统的动态遗忘特性可防止过时信息干扰当前决策，比如当用户更换工作或兴趣后，旧职业背景或已弃用的技能会自动降级为归档状态。此外，由于其完全本地化的设计，也适用于对数据隐私要求极高的医疗健康、金融咨询等专业领域，在保证合规性的同时提供个性化的记忆支持。