
我给 6 个 AI 实例造了一个共享大脑
我给 6 个 AI 实例造了一个共享大脑
六个 AI,跨三台 Mac,共享同一本笔记,每晚自愈自整理,永不忘事。
过去半年我同时养了 6 个 AI 实例:4 个 OpenClaw agent(seasonal name:春/夏/秋/冬)、1 个 Hermes、1 个 Claude Code CLI。它们每一个都有自己的"性格"、自己的技能栈、自己在做不同的项目。但很快问题来了:
- 昨天在 A 实例解决的 bug,今天 B 实例完全不知道
- 每个 AI 都在自己的 MEMORY.md 里写各种铁律,但没有共享
- 想让某个 agent "去问问别的 agent 知道不知道" → 没机制
- 重要决策分散在 6 套日志里,找不到
今天我给它们建了共享大脑。这篇写完整架构 + 实现细节。
Part 1:生态背景
先介绍玩具。不知道这 3 个平台的可以先认识下。
OpenClaw
一个多智能体编排平台(国内团队开发)。你可以同时运行几十个 AI agent 实例,每个 agent 有:
- 独立 workspace 目录
- 独立 MEMORY.md / SOUL.md(人格 + 经验)
- 独立的 skill / tool / MCP 配置
- 可以通过 WebSocket gateway 互相调用
我用它跑 4 个 agent 实例:yuki / natsu / haru / aki(日语四季),分布在:
- 自宅 M4 Mac mini(yuki + natsu 同机 loopback)
- LAN M2 Mac mini(haru)
- 移动 MacBook Pro(aki,Tailscale)
Hermes
一个CLI-based 通用 AI 助手,走 YAML config,支持 MCP servers 原生接入。我用它当"主脑"做日常 coding / 内容生成,配了 MiniMax M2.7 / Kimi / Nous 等多 provider fallback。
Claude Code CLI
Anthropic 官方 CLI,支持 MCP、Skills、Plugins、hooks。我用一个"claudet" wrapper 启动,自动加载 Telegram channel plugin 让我能用手机遥控。
这三套是完全独立的系统,各自的 config、各自的 memory、各自的工作流。
Part 2:问题 — 记忆孤岛
每个 AI 实例都把记忆写在自己机器的自己目录下:
yuki M4: ~/.openclaw/workspace/memory/MEMORY.md
natsu M4: ~/.openclaw/workspace-natsu/memory/MEMORY.md
haru M2: ~/.openclaw/workspace/memory/MEMORY.md
aki MBP: ~/.openclaw/workspace/memory/MEMORY.md
Hermes: ~/.hermes/profiles/<name>/memory/
Claude: ~/.claude/projects/<cwd>/memory/MEMORY.md6 份不同的记忆。要想"某个 agent 知道的事另一个也知道",我得手动复制粘贴。而且:
- 知识会过时:三周前的 API key 已经轮换了,但某个 agent 还在用
- 发现重复:同一个决策在 3 个 agent 的 memory 里各记一份,表述还不一样
- 搜索失灵:我知道某个项目讨论过,但是哪个 agent 讨论的?找遍 6 处
共享大脑的设计目标:
- SSoT(单一事实源):一份 markdown 笔记库,6 实例共读共写
- 语义搜索:不光 grep,能"找关于 X 主题的讨论"
- 自愈机制:记忆旧了自动归档,重复的自动合并
- 不同步二进制索引:每台机自己建 vector 索引(rsync binary 坑太多)
- 冲突可控:多实例同时写 vault 时有明确的仲裁策略
Part 3:架构总览
┌──────────────────────┐
│ Obsidian Vault │
│ ~/Documents/kb/ │
│ (~1800 .md files) │
│ ← Single Source of Truth
└──────────┬───────────┘
│
git bare repo + rsync
│
┌──────────┬──────────┬─────┴─────┬──────────┐
▼ ▼ ▼ ▼ ▼
┌────────┐ ┌────────┐ ┌────────┐ ┌────────┐ ┌────────┐
│ Yuki │ │ Natsu │ │ Haru │ │ Aki │ │ Hermes │
│(M4) │ │(M4) │ │(M2 LAN)│ │(MBP TS)│ │(M4) │
└────┬───┘ └────┬───┘ └────┬───┘ └────┬───┘ └────┬───┘
│ │ │ │ │
└──────────┴──────────┼──────────┴──────────┘
│
┌──────────┴───────────┐
▼ ▼
clawmem MCP LanceDB
(语义搜索) (vector store)核心组件:
| 组件 | 作用 |
|---|---|
| Obsidian Vault | 单一事实源,1800+ markdown 文件 |
| git bare repo | vault 的版本控制 + 冲突解决 |
| rsync | 每晚 03:00 同步 vault 到各实例 |
| clawmem MCP | 语义搜索接口(keyword + hybrid) |
| LanceDB | 本地 vector store(每台机自建) |
Part 4:实现细节
4.1 Vault 结构
~/Documents/kb/
├── 01-Inbox/ # 临时笔记,待整理
├── 02-AI 技术/ # AI 相关学习笔记
├── 03-OpenClaw/ # OpenClaw 配置/skill
├── 04-猫舎经营/ # 福楽キャッテリー业务
├── 05-医院项目/ # 慈恵医院 CRM
├── 06-学习笔记/ # 通用学习记录
├── MEMORY.md # 核心记忆索引(所有 agent 共读)
└── daily/ # 每日笔记(按日期归档)4.2 同步机制
Dream Cycle(03:00 定时任务):
# ユキ (权威源) → rsync → ナツ/ハル/アキ
rsync -av --delete ~/Documents/kb/ user@host:~/Documents/kb/
# 各实例自建 LanceDB 索引(不同步 binary)冲突解决:
- git merge 策略:
-X ours(ユキ的版本优先) - 每天 03:00 同步,避免多实例同时写
4.3 clawmem MCP 接口
// clawmem MCP server 提供三个接口
clawmem_search(query, mode="hybrid", limit=10)
clawmem_get(docid) // 6 字符 hex 前缀
clawmem_similar(docid, limit=5)mode 选项:
keyword: 传统关键词搜索semantic: 向量语义搜索hybrid: 混合模式(默认)
4.4 LanceDB 索引
每台机器自己建索引,不同步 binary 文件:
# 每晚同步后自动重建
lancedb.connect("~/Documents/kb/.lancedb")
# 只存 text embedding,不存原始内容Part 5:实际使用场景
场景 1:跨实例查询
Will: "之前讨论的 MiniMax TTS 配置是什么?"
ナツ:clawmem_search("MiniMax TTS 配置")
→ 返回 3 个结果(来自ユキ的 2026-03-24 daily note)场景 2:知识沉淀
完成复杂任务后 → 写入 daily note → 03:00 同步到 vault
→ 所有实例第二天都能看到场景 3:避免重复踩坑
ハル:遇到 NocoBase 配置问题
→ clawmem_search("NocoBase 配置")
→ 发现ユキ两周前已经解决过,直接复制方案Part 6:踩坑记录
坑 1:rsync 同步 binary 文件
LanceDB 的 .lance 文件是 binary 格式,跨机器 rsync 会损坏。
解决:每台机自建索引,只同步 markdown 源文件。
坑 2:git 冲突
多实例同时写 MEMORY.md 会冲突。
解决:
- 固定 ユキ 为权威源(
-X ours) - 03:00 定时同步,避免并发写
坑 3:语义搜索不准
初期只用 vector search,召回率低。
解决:改用 hybrid 模式(keyword + vector),召回率提升到 92%。
Part 7:效果对比
| 指标 | 之前(6 孤岛) | 现在(共享大脑) |
|---|---|---|
| 知识查找时间 | 5-10 分钟(翻 6 处) | 30 秒(clawmem_search) |
| 重复记录 | 高频(同一事记 3 份) | 几乎为零 |
| 过时信息 | 常见(忘了更新) | 自动归档 + 版本控制 |
| 跨实例协作 | 手动复制粘贴 | 自动同步 |
总结
核心收益:
- 单一事实源:不再纠结"哪个版本是对的"
- 语义搜索:30 秒找到任何历史讨论
- 自愈机制:旧知识自动归档,新自动整理
- 可扩展:以后加第 7/8 个 agent,直接接入 vault 即可
成本:
- 每晚 03:00 同步(rsync + git,约 2 分钟)
- 每台机建 LanceDB 索引(约 5 分钟)
- 约 1GB 额外存储(vector embeddings)
开源计划:
clawmem MCP server 和 Dream Cycle 脚本准备开源,等我把文档整理好。
Last updated: 2026-04-20
作者:Will(羅方遠)