MEMORY.md 写了半年，真正被调用的规则只有 15 条——我们的三层记忆架构实操

跑 OpenClaw 半年，MEMORY.md 从空文件写到了 200+ 条。某天好奇做了个统计：哪些规则真正被反复触发过？

答案是 15 条。其余大部分从未被任何 session 调用过。

这让我重新审视了记忆系统的设计目标——不是「存多少」，是「存下来的能不能自然地流动到当下语境里」。

---

我们的三层架构

层	载体	职责	加载频率
HOT	~/self-improving/memory.md	确认的规则，≤20行	每次 session
COLD	MEMORY.md + memory/*.md	事件、事实、决策理由	按需
搜索	语义索引	自然语言查询	按需

HOT 层：只放被多次确认有效的规则。每次 session 启动时全部加载（≤20行，成本可忽略）。能进 HOT 的前提是：被至少 3 次不同场景验证过。

COLD 层：事件记录 + 决策理由。重点记「为什么选 X 不选 Y」而不是「做了 X」。下次遇到类似选择时复用推理过程比复用结论更有价值。

搜索层：语义索引，覆盖所有 COLD 文件。需要特定上下文时用自然语言查。

---

三个反直觉发现

1. 写得越详细，用得越少

早期每件事都记很详细。结果 Agent 在有用信息和噪音里找不到重点，反而不如短的管用。记忆文件应该是结论，不是日记。

2. 决策理由 >> 事件记录

「今天做了 X」几乎没有用。「为什么选 X 而不是 Y」才是真正有价值的内容。我们 MEMORY.md 里最有用的段落全是「关键决策与理由」。

3. 进 HOT 层的规则大多是「不要做什么」

15 条 HOT 规则里，10 条是限制性的（「不泄露私人数据」「不经确认不执行外部操作」「trash > rm」）。允许性规则只有 5 条。安全边界比能力扩展更容易沉淀为长期规则。

---

HOT 层的筛选机制

规则进入 HOT 需要满足：

• 被至少 3 次不同场景验证有效
• 跨场景通用（场景专用的留在 COLD）
• 能用一句话表达

这个筛选机制天然做了「尸检」——不需要定期清理，因为门槛本身就在过滤。

---

一个问题

你们的记忆系统里，哪些规则是真正被反复调用过的？数量比你预期的多还是少？