Clawdbot是一款开源AI助手，解决了云端AI"金鱼记忆"问题。它通过本地Markdown文件存储记忆，分为流水账和知识库两层，采用70%向量搜索+30%BM25关键字的混合检索策略。系统具备记忆压缩、日志修剪和缓存管理功能，支持多智能体模式且记忆相互隔离。用户完全掌控数据隐私，无需依赖云端数据库，即可打造越用越懂你的本地AI伙伴。
摘要：告别“金鱼记忆”，把大脑装进硬盘。Clawdbot 用最朴素的 Markdown 文件和最精妙的混合检索，给 AI 装上了一颗过目不忘的“芯”。
你肯定有过这种抓狂时刻：
费劲口舌教了 AI 助手你的代码规范、工作流偏好，关掉窗口再打开，它又变成了一张白纸。你不得不把昨天说过的话，今天再重复一遍。
这就是云端大模型的通病——它们只有短暂的“上下文”，没有真正的“记忆”。
但 2026 年初爆火的开源项目 Clawdbot，正在改写这个规则。它不需要昂贵的云端数据库，也不受科技巨头的隐私辖制，直接在你本地电脑上，用一种极客又优雅的方式，构建了一个能“记住一切”的 AI 伙伴。
Clawdbot 到底是怎么做到的？深度复盘其技术文档，我们发现它的秘密并不在于模型本身，而在于一套精巧的记忆架构。
01 上下文与记忆：昂贵 vs 廉价
要理解 Clawdbot，首先得厘清两个概念：上下文（Context）和记忆（Memory）。
大多数 AI 助手只活在“上下文”里。上下文是你当前的聊天记录、系统提示词和附件。它是昂贵且有限的——即使是 GPT-5.1 或 Claude 的超长窗口，每个 Token 都在烧钱，且一旦重置即焚。
Clawdbot 的策略是：把上下文变轻，把记忆变重。
它的“记忆”不占用宝贵的上下文窗口，而是作为静态文件躺在你的硬盘里（Markdown 格式）。这带来了三个绝对优势：
- •持久性：重启电脑、断网、过几个月，记忆依然在。
- •无限性：你的硬盘有多大，它的记忆就能存多少。
- •零成本：存储不花 API 的钱，只有在“回忆”时才消耗 Token。
02 透明的“大脑”：一切皆文件
Clawdbot 最反常识、也最精彩的设计在于：它拒绝黑盒数据库。
它的记忆本体，就是存在<font style="color:rgb(68, 71, 70);">~/clawd/memory/</font>下的一堆 Markdown 文件。
这套系统分为两层：
- 流水账（每日日志）：
文件名为<font style="color:rgb(68, 71, 70);">2026-01-28.md</font>。AI 会把当天的琐碎互动、临时决定自动追加进去，只增不减。
- 知识库（长期记忆）：
文件名为<font style="color:rgb(68, 71, 70);">MEMORY.md</font>。当产生重大决策、用户核心偏好（比如“我只用 TypeScript”）或项目复盘时，AI 会将这些精华提炼至此。
因为是 Markdown，你可以直接用文本编辑器打开它，修改它，甚至删掉那些你不想让它记住的“黑历史”。这种对数据的绝对掌控权，是云端 AI 无法给予的。
03 混合检索：不错过任何细节
存进去容易，怎么在成千上万条记录里瞬间找到你需要的？
Clawdbot 摒弃了单一的向量搜索，采用了一套混合检索策略（Hybrid Search）：
- •向量搜索（Vector Search）：负责“懂你”。比如你搜“那个很难用的数据库”，它能理解语义，找到关于 Oracle 或 MySQL 的吐槽记录。
- •BM25 关键字搜索：负责“精准”。当你需要找具体的
<font style="color:rgb(68, 71, 70);">API_KEY</font>或者<font style="color:rgb(68, 71, 70);">2025-10-01</font>这种精确字符时，它不会掉链子。
Clawdbot 将两者加权合并，70% 看语义，30% 看关键字。即使系统不仅能听懂你的“言外之意”，也能精准定位“只言片语”。
04 记忆维护：压缩与修剪
随着对话越来越长，Clawdbot 如何防止“大脑”过载？它有三把剪刀。
第一把剪刀：自动压缩。
当对话逼近上下文上限，Clawdbot 不会简单截断，而是将旧对话“打包压缩”成摘要。为了防止压缩导致关键信息丢失，它会在压缩前执行“记忆刷新”——强制 AI 回顾一遍核心指令，确保压缩后的摘要依然保留了你的“灵魂”。
第二把剪刀：工具日志修剪。
AI 跑代码、查日志时，经常会吐出几万行的输出。这些内容对当下的推理有用，但作为长期记忆不仅浪费空间，还干扰检索。Clawdbot 会在后台默默剪掉这些冗余的工具输出，只保留核心结果。
第三把剪刀：缓存智能管理（Cache-TTL）。
这是个省钱的绝招。Anthropic 等接口有缓存机制（Cache），短期内重复发送相同前缀更便宜。Clawdbot 会监控这个缓存有效期，一旦过期，它就自动修剪历史，确保你永远是用最少的 Token 做最多的事。
05 多重人格，互不干扰
除了记性好，Clawdbot 还很守规矩。
它支持多智能体（Multi-Agent）模式。你可以在<font style="color:rgb(68, 71, 70);">~/work/</font>目录下养一个严谨的“代码助手”，在<font style="color:rgb(68, 71, 70);">~/life/</font>目录下养一个随性的“聊天搭子”。
它们的记忆通过工作区路径严格隔离。除非你刻意授权，否则“代码助手”永远不知道你在“聊天搭子”那里吐槽了老板。每个智能体都拥有独立的索引和记忆文件，互不串味。
结语
Clawdbot 的爆发并非偶然。在 AI 越来越像黑盒的今天，它把控制权还给了用户。
它证明了，一个强大的 AI 助手，不需要把你的隐私上传云端，不需要庞大的闭源数据库。它只需要一个本地文件夹、几行 Markdown，和一套精妙的检索逻辑，就能像你的大脑一样，随着时间的推移，越用越顺手，越用越懂你。
这或许才是个人 AI 助理该有的样子。
如何系统的学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
01.大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
