OpenClaw memory-agentcore 插件架构解析：基于 AgentCore Memory 的多客户记忆隔离与共享

引言

AI Agent 的记忆管理在从单用户扩展到多客户场景时面临根本性的架构挑战。本文深入分析 OpenClaw 的 memory-agentcore 插件如何基于亚马逊云科技 Bedrock AgentCore Memory 实现多用户记忆隔离、跨 Agent 共享和智能噪声过滤。

问题域分析

多客户 Agent 记忆涉及五个核心问题：

问题 本质 技术挑战
记什么 信息提取 从非结构化对话中提炼有价值信息
怎么存 持久化 跨会话、跨 Agent 的存储
怎么找 检索 高召回率 + 低噪声
谁能看 访问控制 多租户隔离
怎么管 生命周期 更新、纠错、遗忘

三层记忆模型

memory-agentcore 在 OpenClaw 已有的两层记忆基础上添加云端共享层：

上下文层（Context）

  • 管理当前会话的短期信息
  • 由 OpenClaw 内置 Context Engine 管理

本地记忆层（memory-core / memory-lancedb）

  • memory-core：Markdown 文件索引，混合 BM25 + 向量搜索
  • memory-lancedb：本地 LanceDB 向量库，支持 auto-recall/auto-capture
  • 适合存放去客户化的通用经验

云端共享层（memory-agentcore）

  • 基于 Amazon Bedrock AgentCore Memory
  • actorId 驱动的命名空间隔离
  • 跨 Agent 天然共享

为什么需要第三层

内置组件的关键缺陷：无多用户隔离。

能力 memory-core memory-lancedb memory-agentcore
存储引擎 Markdown 文件 LanceDB AWS AgentCore
多用户隔离 ❌ 共享文件 ❌ 共享 dbPath ✅ actorId namespace
跨 Agent 共享 ❌ ❌ ✅
自动提取 ❌ 需手动 正则触发 ✅ 4 策略
自动召回 ❌ ✅ ✅

信息提取架构

Amazon 托管提取引擎

4 种策略并行运行：

  • SEMANTIC：事实和知识提取
  • USER_PREFERENCE：用户偏好和选择
  • EPISODIC：结构化经验 + 跨会话反思
  • SUMMARY：会话级滚动摘要

本地三层噪音预过滤

第一层：自适应检索门控（Adaptive Retrieval Gating）

对低价值消息（问候、命令、短消息）跳过云端检索。但包含记忆关键词（"记得"、"之前"）的消息即使很短也会放行。

第二层：双语噪声过滤（Bilingual Noise Filter）

覆盖中英文低价值模式。运维人员可通过 bypassPatterns 和 noisePatterns 自定义规则。

第三层：分数间隙检测（Elbow Point Detection）

传统 top-K 不区分质量断崖。肘点算法检测分数序列中的急剧下降点，动态决定返回数量，避免低分结果污染上下文。

示例：

结果分数序列: [0.92, 0.87, 0.83, 0.31, 0.22]
肘点检测: 0.83 → 0.31 断崖（gap = 0.52）
实际返回: 前 3 条（丢弃 0.31 和 0.22）

访问控制：命名空间与 actorId

actorId 机制：每个客户会话携带唯一 actorId，自动映射到独立命名空间。记忆写入和读取都限定在该命名空间内。

跨 Agent 共享：同一 actorId 命名空间下的不同 Agent 实例（导购/客服/售后）天然共享记忆。导购 Agent 记录的"化纤过敏"，客服 Agent 自动召回。

插件集成设计

memory-agentcore 注册为 kind: "general"：

const plugin = {
  id: "memory-agentcore",
  name: "AgentCore Memory",
  kind: "general",  // 不占 Memory Slot / Context Engine Slot
};

这个设计保证：

  • 不替换 memory-core，两者共存
  • 安装即增强，卸载不影响
  • 本地记忆放通用经验，云端记忆放客户信息

总结

memory-agentcore 的设计核心是"叠加而非替代"：不动现有的本地记忆体系，在上面加一层面向多客户的云端共享层。对于需要把 OpenClaw 从个人助手扩展为面客服务的团队，这是目前比较完整的记忆架构方案。

参考：

posted @ 2026-04-24 00:43  亚马逊云开发者  阅读(9)  评论(0)    收藏  举报