Hybrid Memory 是一个创新的混合记忆系统，旨在结合 OpenClaw 内置的向量记忆与 Graphiti 时序知识图谱的优势，构建更强大、更智能的记忆检索能力。该系统并非单一的记忆工具，而是将两种互补的记忆机制协同工作，以应对复杂多变的上下文查询需求。其核心理念是‘各取所长’——利用 OpenClaw 对文档内容的语义理解能力，以及 Graphiti 对时间线和事实演变过程的精准追踪能力。这种双轨并行的设计，使得 Hybrid Memory 能够高效处理从静态文档内容到动态事件时序的各种问题，为 AI 代理（Agent）提供了前所未有的深度上下文感知能力。通过提供清晰的决策框架，它指导用户在面对不同问题时，选择最合适的工具进行查询，从而显著提升信息获取的准确性和效率。
核心功能特点
- 支持语义搜索与时间线追溯的双重记忆机制
- 提供明确的决策框架，指导何时使用 memory_search 或 Graphiti
- 无缝集成 OpenClaw 内置向量记忆与外部 Graphiti 时序知识图谱
- 适用于回答涉及时间的问题（如“X何时发生？”）和搜索过往对话记录
- 可通过 graphiti-log.sh 命令便捷地记录重要事实和时间点
- 为 AI 代理提供了强大的上下文记忆与检索能力
适用场景
Hybrid Memory 的核心价值在于它能有效解决那些单一记忆系统难以应对的场景。当用户需要了解某个历史事件的精确时间点，例如“我们什么时候建立的 Slack 频道？”或“上周三用户提出了什么关键反馈？”时，Graphiti 的时序知识图谱便成为首选工具。它能够基于时间轴快速定位并返回相关事实，完美胜任此类‘时序问题’。相反，如果用户的问题聚焦于某个特定文件的内容，比如“GOALS.md 文件中规定了什么目标？”或“项目指南中关于代码审查的具体要求是什么？”，那么 OpenClaw 内置的 `memory_search` 功能则更为合适。它能在 `MEMORY.md` 及 `memory/**/*.md` 等 Markdown 文件中执行高效的语义搜索，直接定位到相关段落。对于那些既包含时间要素又涉及具体文档内容的复杂查询，Hybrid Memory 的建议是同时调用两个系统，合并结果以确保答案的全面性。此外，当系统对某个答案的置信度较低时，该模式也鼓励明确告知用户‘已检查但无法确定’，从而避免生成误导性信息。