OpenClaw 长期记忆和 Agent workflow 应该怎么协作

很多人一开始做系统时，会把两个东西混在一起：

• 长期记忆
• Agent workflow

看起来它们都和“持续完成任务”有关，于是最容易出现的想法是：

“既然系统有记忆，它是不是就能自己把流程也跑起来？”

这个方向不完全错，但如果不拆清职责，很快就会出现两个问题：

• 记忆层开始承担它不该承担的执行逻辑
• workflow 层越来越依赖模糊上下文，而不是明确状态

先说最关键的边界

我更推荐这样理解：

• 长期记忆层 负责提供跨会话、可复用、可治理的上下文
• Agent workflow 层 负责围绕当前目标推进步骤、调用工具、接收反馈

也就是说：

• 记忆层负责“记住什么”
• workflow 层负责“接下来做什么”

这两层缺一不可，但不该互相吞掉。

记忆层最该负责的三件事

1. 提供当前有效状态

比如：

• 当前项目有哪些约束
• 当前任务最近完成到哪一步
• 当前用户有哪些稳定偏好

这些信息如果每次都要 workflow 重新猜，系统会非常不稳。

2. 提供可复用知识摘要

比如：

• 类似问题之前是怎么解的
• 某类错误有哪些高概率原因
• 某个项目里有哪些反复出现的注意点

但它应该是摘要，不是把全部历史原样倒回去。

3. 提供可追溯历史

当 workflow 需要回溯时，记忆层应该能回答：

• 这条状态从哪里来
• 它是不是已经被覆盖
• 上个版本是什么

这也是为什么记忆层不能只是“一个会搜文本的桶”。

workflow 层最该负责的三件事

1. 推进当前任务

workflow 的核心不是记住，而是拆步骤、调工具、过检查点、决定下一步。

2. 产出反馈信号

长期记忆不是凭空长出来的。
真正稳定的记忆，大多来自 workflow 在执行中产生的反馈：

• 任务是否完成
• 哪一步失败
• 哪个状态需要更新
• 哪个结论需要人工确认

3. 决定何时写回记忆

不是每一步结果都要写回。
workflow 层应该负责判断：

• 这是不是高价值检查点
• 这是不是新的稳定约束
• 这是不是值得进入长期记忆的经验

一个更稳的协作顺序

长期记忆和 workflow 更推荐按下面顺序配合：

1. 任务开始前 workflow 先从记忆层取当前有效状态和必要摘要。

2. 任务执行中 workflow 产出步骤状态、失败信号、工具结果。

3. 任务结束后 只有符合条件的内容才写回长期记忆。

这个顺序很重要，因为它避免了一个常见问题：

还没完成的推断被过早写成“长期事实”。

一段更实用的协作伪代码

function runWorkflow(task: TaskInput) {
  const memoryContext = loadMemoryContext({
    projectId: task.projectId,
    taskId: task.taskId,
    userId: task.userId,
  });

  const plan = buildWorkflowPlan(task, memoryContext);
  const result = executePlan(plan);

  const writeBackCandidates = collectMemoryWriteBack(result);

  for (const candidate of writeBackCandidates) {
    if (shouldPersist(candidate)) {
      submitToMemoryPipeline(candidate);
    }
  }

  return result;
}

这里最重要的点是：

• workflow 不是直接操作全部记忆规则
• workflow 更像是记忆层的“消费者”和“反馈源”

最常见的三种边界混乱

1. 把 workflow 的临时状态直接当长期事实

例如某一步试跑成功了，就立刻写成固定策略。
这样后面很容易把试探性结果误当成长期约束。

2. 把长期记忆当万能上下文池

workflow 每次启动时都把一大堆历史全塞进来，看起来信息更多，实际上更容易漂移。

3. 让记忆层决定执行逻辑

比如记忆层不仅存状态，还直接决定“现在该调哪个工具、该走哪条路径”。
这会让排障非常困难，因为你很难区分问题出在记忆还是出在流程。

更现实的职责分配

如果你要把系统做稳，我建议先这样分工：

记忆层负责

• 当前有效约束
• 已验证经验摘要
• 可恢复任务检查点

workflow 层负责

• 任务分解
• 工具调用
• 异常处理
• 人工确认节点

人工负责

• 高风险状态确认
• 冲突决策
• 回退判断

这样三者边界更清楚，也更容易接手。

什么时候说明这两层已经配合得比较健康

如果系统开始出现下面这些变化，说明协作方向是对的：

• 跨会话任务进入状态更快
• 同一类任务的流程更稳定
• 关键约束更少被漏掉
• 排障时能区分是记忆问题还是流程问题

这比单纯“系统看起来更聪明”更有价值。

延伸阅读

• 如何给 OpenClaw 打造一套能解决实际问题的长期记忆系统
• 怎么把 Agent 工作流从 demo 变成稳定系统
• OpenClaw 长期记忆怎么做人工确认和回退设计