知识不记就等于没做：AI 自动沉淀流水线设计

你有没有这样的经历：

花了两个小时解决一个技术问题，当时觉得"这辈子都忘不了"，结果两周后又遇到同样的问题，完全想不起来当时怎么解决的，只能重新查资料、重新踩坑。

或者，你和 AI 助手一起完成了一个很棒的流程，下次想复用时，发现它"忘了"，你们得从头再来。

这就是知识管理的痛点：做了很多事，但知识没有沉淀下来。

知识自动沉淀流水线，就是用来解决这个问题的。

核心问题：为什么知识总是丢失？

知识丢失通常有三个原因：

第一，没有记录习惯。忙起来就忘了写，或者觉得"这次这么简单，不用记"。

第二，不知道记在哪。是写进备忘录？还是发到 Slack？还是存进某个文档？选择成本让人放弃记录。

第三，记了也找不到。即使写了，散落在各处，需要的时候检索不到，等于没记。

知识流水线的目标是：消灭"靠人记"，让知识自动落地到正确的位置。

六种自动触发器

流水线的核心是"自动触发"。当特定条件满足时，系统自动把知识写入对应的位置，不需要你主动说"记一下"。

这六种触发器按优先级排列：

T1：活跃 15 分钟 → 静默写摘要

对话开始约 15 分钟后（大约 10-15 轮交互），系统自动把这段对话的核心决策和产出写入 daily notes，不超过 5 行。

这是"静默写入"——不打断对话，不告诉你，只是默默记下来。就像一个好的助理，在你聊天的时候做笔记，但不会在你说到一半时插嘴"我记一下"。

T2：对话超过 30 轮 → 保存完整进度

当对话超过 30 轮，说明这是一个复杂任务。系统会保存完整的产出清单和未完成任务，写入 daily notes 和 /tmp/openclaw_progress/。

这样即使 session 意外中断，新的 session 也能从进度文件接手，不会从头再来。

T3：明确产出完成

当出现明确的交付物（一份报告、一段代码、一个部署结果），系统会在 daily notes 记录产出的位置和状态。

如果这个过程形成了通用流程，会交给 T4 判断是否需要写成 procedure。

T4：操作步骤 ≥3 + 涉及外部工具 → 写操作手册

这是最实用的触发器。如果一个操作满足三个条件：

1. 步骤 ≥3 个
2. 用到了 exec、browser、web_fetch、message 等外部工具
3. 以后可能再做（不是一次性调试）

系统会自动把它写成 procedure 文件，包含：概要、适用场景、前提条件、步骤、验证方法、常见错误、踩坑记录。

T5：蜂群完成 → 扫描任务总结

当多个 AI 实例协作完成一个复杂任务后，系统会读取任务总结的 takeaways，分类处理：

• 踩坑铁律 → 写进 MEMORY.md + 存入向量库
• 可复用流程 → 交给 Instinct 进入候选池
• 普通过程记录 → 写 daily notes
• 跨实例相关 → 额外写 shared-learnings.md

T6：你明确说"记住" → 立即写入

当你明确说"记住"、"别忘了"、"存一下"、"以后会用"、"沉淀下来"时，系统立即判断知识类型并写入对应位置。

写入后会回读验证，然后回复确认："已写入 [文件路径]"。如果是重要铁律或偏好，会同时写入文件和向量库。

四类写入目标

知识不是随便写在一个地方，而是根据类型分流到四个目的地：

Daily Notes：今日决策和进展

记录本 session 做了什么决定、完成了什么、还有什么没做完。

格式是时间戳段落，包含：事项、产出、决策、未完成、下一步。

这是"过程记录"，不是"长期知识"。一周后这些记录的价值就会下降，但短期内对任务接续很重要。

Procedures：可复用操作流程

步骤 ≥3、涉及外部工具、以后可能再做的操作，会写成操作手册。

比如"Supabase 音频更新流程"：删除旧文件 → 上传新文件 → 更新 Markdown 的 audioUrl。

这类文件包含完整的前提条件、步骤、验证方法、常见错误，让下次执行时可以直接照做，不需要重新摸索。

MEMORY.md：长期铁律和偏好

那些"一周后还有价值"的信息：你明确说的规则、踩坑后的教训、不随时间变的偏好。

比如"MiniMax TTS 首选音色是 Japanese_GracefulMaiden"、"自动化任务连续失败 3 次必须停止"。

这类信息写在 MEMORY.md 的 Key Lessons 部分，同时存入向量库便于检索。

Shared-Knowledge：跨实例通用经验

涉及多个 AI 实例的配置、操作、踩坑，或者多实例共用的规范。

比如"四实例同步 SOP"、"浏览器自动化规范"。这类知识写在 ~/.openclaw/shared-knowledge/，所有实例共享。

双写原则：为什么同时写文件和向量库

重要内容会同时写入两个地方：

为什么这样设计？

文件持久化：即使系统重启、数据库丢失，文件还在。这是"最后一道防线"。

向量库可检索：通过语义相似度搜索，新 session 可以找到相关的历史知识，即使关键词不完全匹配。

比如新 session 问"怎么发博客"，向量库可以检索到"博客发布流程"这个 procedure，即使标题里没有"发"这个字。

防写入风暴：优先级和互斥

多个触发器可能同时激活。比如对话超过 30 轮（T2），同时你明确说"记住"（T6），同时又有明确产出（T3）。

这时候按优先级处理：T5（蜂群收尾）> T6（session 收尾）> T4（明确要求）> T3（明确产出）> T2（长对话）> T1（活跃 15 分钟）。

高优先级完成后，同一时间窗口（15 分钟内）的低优先级只补事件日志，不执行主流程。

这样可以避免重复写入、文件冲突。

写入前去重检查

真正写入前，系统会做一次轻量检查：

• MEMORY.md / procedures / TOOLS / daily notes 中是否已有高度相似条目？
• 如果有，是更新原条目还是新建？

长期知识：更新原条目，不重复新建。

Procedures：优先补充已有 SOP，不新开重复文件。

Daily notes：追加模式，绝不整段重写覆盖。

写后验证机制

每次写入后，系统会至少做一项验证，不允许"假装已保存"：

文件类验证：文件存在、新增内容包含关键字、没写到错误文件。

结构类验证：procedure 包含前提/步骤/验证；progress 包含状态/卡点/下一步。

语义类验证：长期偏好没误写成临时状态；单次任务没污染 MEMORY；敏感信息没写到共享文件。

决策路由器

新信息出现时，系统按以下逻辑判断写入位置：

新信息出现
  ↓
是不是未完成事项？——是→ progress + daily
  ↓否
是不是长期偏好/事实/决策？——是→ MEMORY + memory_store
  ↓否
是不是≥3步可复用操作？——是→ procedure（写后交 Instinct 判断是否候选）
  ↓否
是不是工具/命令/本机参数？——是→ TOOLS
  ↓否
是不是跨实例通用经验？——是→ shared-knowledge
  ↓否
是不是可升级的模式？——是→ instinct 候选池
  ↓否
写入 daily note 作为过程记录

这个路由器的价值是：你不需要想"这个该记在哪"，系统会自动判断。

实际例子

例子 1：Supabase 音频更新

场景：你让 AI 帮你在 Supabase 上传了音频文件（3 步：删除旧文件 → 上传新文件 → 更新 Markdown 的 audioUrl）。

系统判断：步骤=3 ✓，用了 curl ✓，以后可能再做（博客音频会反复更新）✓ → 触发 T4

写入 procedures/supabase-audio-update.md，包含前提条件、步骤、验证方法、常见错误。

写后验证：读取该文件，确认包含前提/步骤/常见错误三个段落。

例子 2：MiniMax TTS 音色偏好

场景：你说"记住，MiniMax TTS 首选音色是 Japanese_GracefulMaiden"。

系统判断：明确说"记住" → T6 触发 → 类型=长期偏好 → 双写

1. 写入 MEMORY.md："MiniMax TTS 首选音色（全场景默认）: Japanese_GracefulMaiden"
2. 存入向量库：category="preference", importance=0.8
3. 回复："已写入 MEMORY.md + 向量库"

例子 3：蜂群收尾 takeaway 分流

场景：蜂群任务总结的 takeaway 是"MiniMax TTS 必须用 JSON body + voice_setting 对象"。

系统判断：这是踩坑铁律（Rule），不是可复用流程（Skill）→ 不进候选池

• 写 MEMORY.md Key Lessons
• 存入向量库 category="fact", importance=0.9

失败防呆

流水线设计了多重防呆机制：

与 Instinct 的分工

知识流水线和 Instinct 持续学习机制是上下游关系：

• 知识流水线：负责把内容存下来，放到正确位置，保证下次能接手（收纳系统）
• Instinct：从已存内容里看出模式，判断是否制度化，发起升级建议（模式升级系统）

会话内容 → knowledge-pipeline 落盘 → Instinct 识别模式 → 人决定是否升级

硬边界：对于"≥3 步且涉及外部工具/API"的内容，默认先由流水线落 procedure / daily notes，再由 Instinct 判断是否进入候选池。不允许两边各自独立生成重复资产。

总结

知识自动沉淀流水线的核心价值是：消灭"靠人记"，让知识自动落地到正确位置。

六种触发器（T1-T6）覆盖从"静默记录"到"明确指令"的各种场景。四类写入目标（daily notes / procedures / MEMORY / shared-knowledge）确保每类知识都有合适的归宿。双写原则（文件 + 向量库）兼顾持久化和可检索性。

优先级互斥、去重检查、写后验证、失败防呆，这些机制确保流水线既自动化又可靠。

最终目标是：踩过的坑不重复踩，做过的流程能复用，重要的信息随时能找到。

记住：Text > Brain，写下来比记脑子里可靠 100 倍。