什么是Openclaw Deeprecall
Openclaw DeepRecall 是一款专为 AI 智能体设计的双层持久化记忆系统，基于 SQLite 数据库构建，支持长期知识存储与高效检索。该系统通过结构化的事实层（L1）和原始内容归档层（L2），为每个 AI 代理提供跨会话的连续记忆能力。其核心设计理念是‘零配置部署’——无需手动初始化即可自动创建数据库表结构，并智能识别代理工作空间路径。DeepRecall 不仅能保存关键决策、时间节点、人物偏好等结构化信息，还能完整保留原始对话日志或项目更新记录，确保在需要时可通过语义搜索快速定位历史上下文。此外，系统具备自动清理机制，仅保留临时 Markdown 文件，而将已提取的知识永久存入数据库，既节省存储空间又保障数据安全。整体架构兼顾灵活性与稳定性，适用于多代理并行运行场景，且所有操作均通过命令行工具透明可控。
核心功能特点
- 双层记忆架构：L1 结构化事实支持语义搜索，L2 原始内容实现精确回溯
- 自举式数据库设计：首次使用自动建表，无需人工干预即完成初始化
- 智能文件管理：自动清理过期 .md 临时文件，保留数据库永久不变
- LLM 驱动摘要生成：利用大语言模型从原始文本中提取关键事实并存入数据库
- 多代理隔离支持：每个代理独立维护 memory.db，通过环境变量自动识别工作目录
- 自动化调度集成：兼容 OpenClaw Cron 定时执行摘要与清理任务
适用场景
DeepRecall 特别适合需要长期记忆积累的 AI 开发场景。例如，在一个持续数周的项目协作中，多个 AI 助手分别负责需求分析、代码编写和技术文档撰写，它们可以通过 DeepRecall 共享并追溯过往讨论要点、接口变更记录或用户反馈细节，避免重复劳动。当某位代理处理新需求时，只需调用 `search_memory_db()` 即可快速检索相关历史事实，若需深入理解原始语境，则进一步读取 L2 归档的原始对话片段。对于个人开发者而言，该工具可作为智能笔记系统，自动归纳每日工作日志中的任务清单、技术难点及解决方案，形成可查询的知识库。尤其在处理复杂系统调试或多轮迭代优化过程中，能显著提升上下文连贯性和决策效率。此外，结合 OpenClaw 的定时任务功能，用户可设置每日凌晨自动执行摘要与清理，实现记忆系统的无人值守运维，确保长期稳定运行而不占用过多磁盘资源。