两款优秀的 AI 助手，两种不同的记忆设计哲学。本文从架构、实现、适用场景三个维度进行对比分析。

一、设计哲学对比

1.1 核心理念

Claude Code OpenClaw
简洁优先：文件系统 + LLM 摘要 检索优先：向量数据库 + 全文搜索
被动记忆：模型读取已有内容 主动记忆：自动索引对话历史
人工驱动：CLAUDE.md 需人工维护 自动驱动：会话自动存入记忆

1.2 目标用户不同

维度 Claude Code OpenClaw
目标场景 编程助手 个人 AI 助手
交互频率 高频、短时 持续、长期
记忆需求 项目知识、当前任务 生活记忆、历史对话

二、架构对比

2.1 记忆层次

Claude Code 采用分层记忆架构：

  • 短期记忆：内存 messages[]，单次会话
  • 中期记忆：.transcripts/ + 摘要，跨压缩周期
  • 长期记忆：CLAUDE.md，项目级别
  • 任务记忆：.tasks/，目标完成前

OpenClaw 采用双源记忆架构：

  • Memory源：MEMORY.md，用户主动维护
  • Sessions源：会话JSONL文件，自动记录

2.2 存储方式

维度 Claude Code OpenClaw
文件存储 Markdown/JSON Markdown/JSONL
数据库 无 SQLite
向量索引 无 sqlite-vec
全文索引 无 FTS5

2.3 检索能力

检索方式 Claude Code OpenClaw
关键词搜索 无 FTS5
语义搜索 无 向量相似度
混合搜索 无 支持
Embedding 缓存 无 支持

三、核心差异分析

3.1 会话记忆处理

Claude Code：压缩 + 丢弃

三层压缩策略：

  • Layer 1: micro_compact（静默压缩）- 将旧tool result替换为占位符
  • Layer 2: auto_compact（自动压缩）- token超阈值时触发，LLM生成摘要
  • Layer 3: compact tool（手动压缩）- 用户调用 /compact 命令

完整历史保存在 .transcripts/transcript_xxx.jsonl

OpenClaw：索引 + 检索

会话自动索引到SQLite数据库，支持向量检索和全文搜索。

3.2 长期记忆维护

Claude Code OpenClaw
CLAUDE.md 需人工编写和维护 MEMORY.md 可人工维护，但会话自动索引
不会自动记录对话到长期记忆 自动将对话存入 Sessions 源
模型只能读取，不能修改 CLAUDE.md 模型可通过工具操作记忆

3.3 检索机制

Claude Code：无自动检索

  • 模型需要在 System Prompt 或对话中被”告诉”内容
  • CLAUDE.md 需要主动读取
  • 历史对话只能通过 transcript 文件恢复

OpenClaw：双模式检索

  • 向量搜索：语义相似度
  • FTS搜索：关键词匹配
  • 两种模式可结合使用

四、适用场景分析

4.1 Claude Code 更适合

场景 原因
编程项目 项目知识相对稳定，CLAUDE.md 足够
短期任务 不需要检索历史对话
团队协作 CLAUDE.md 可提交 Git，团队共享
简单场景 无需复杂基础设施

4.2 OpenClaw 更适合

场景 原因
个人助手 长期使用，需要记住历史
多通道交互 WhatsApp/Telegram 等，跨平台记忆
知识积累 自动索引对话，形成知识库
语义检索 “我们之前聊过什么来着”这类查询

五、技术选型对比

5.1 复杂度

维度 Claude Code OpenClaw
依赖项 少（文件系统 + LLM） 多（SQLite + Embedding API）
部署复杂度 低 中
维护成本 低 中
扩展性 有限 高

5.2 性能特点

维度 Claude Code OpenClaw
启动速度 快 需加载数据库
检索速度 无检索 向量检索快
存储空间 小 需存储向量
API 调用 仅 LLM LLM + Embedding

5.3 成本分析

成本项 Claude Code OpenClaw
Embedding API 无 每次索引需要
存储 文本文件 SQLite + 向量
计算 仅 LLM 推理 LLM + 向量计算

六、借鉴建议

6.1 如果你是 Claude Code 用户

可以考虑借鉴 OpenClaw 的：

  • 自动会话索引：让模型记住历史对话
  • 向量检索：语义搜索历史讨论
  • 双源记忆：用户主动记录 + 自动对话记录

6.2 如果你是 OpenClaw 用户

可以考虑借鉴 Claude Code 的：

  • CLAUDE.md 规范：结构化的项目知识文档
  • 任务图系统：带依赖关系的目标追踪
  • 简洁设计：避免过度工程

6.3 自建记忆系统建议

根据场景选择：

  • 编程场景、短期任务 → Claude Code 风格（文件持久化）
  • 个人助手、长期使用 → OpenClaw 风格（向量检索）

七、总结

7.1 一句话概括

Claude Code OpenClaw
简洁有效，够用就好 功能丰富，检索优先

7.2 设计哲学差异

1
2
Claude Code:  "用户知道要什么，模型帮他做"
OpenClaw:     "用户可能忘了很多，模型帮他记住"

7.3 选择建议

  • 编程场景、短期任务、团队协作 → Claude Code 风格
  • 个人助手、长期使用、知识积累 → OpenClaw 风格

八、参考文档

两种设计没有绝对优劣，关键看场景。Claude Code 用简单方案解决编程场景，OpenClaw 用丰富功能支撑个人助手。理解差异，才能做出正确的架构选择。