Le développeur d'OpenClaw construit un système de mémoire unifié pour les agents d'IA.

Système de mémoire multimodale pour agents d'IA

Un développeur a créé un système de mémoire complet pour les agents d'IA OpenClaw qui résout le problème courant des agents oubliant des informations entre les sessions. Le système intègre 15 outils différents dans une architecture unifiée plutôt que de s'appuyer sur des approches à solution unique.

Composants principaux

Le système combine plusieurs modalités de mémoire :

• Base de données de faits structurés
• Recherche vectorielle pour la similarité sémantique
• Graphes de relations entre entités
• Chronologies d'épisodes
• Compression hiérarchique
• Coordination pilotée par événements

Caractéristiques clés

• Fonctionne sur un ordinateur portable de 2010 sans dépendances cloud ni frais mensuels
• La fenêtre de contexte ne déborde jamais grâce à un compacteur avec repli déterministe
• Les sous-agents partagent la mémoire via un protocole d'injection de contexte
• Un bus d'événements coordonne les écritures simultanément sur tous les backends de stockage
• Moteur de dégradation avec renforcement pondéré par l'importance basé sur le nombre d'accès
• Stockage de messages immuable qui préserve les données brutes des conversations
• Le filtrage de session empêche le bruit des tâches cron de pénétrer dans la mémoire
• Compression DAG hiérarchique avec convergence garantie

Contexte du problème

Le développeur a construit ce système car son bot OpenClaw agit comme un orchestrateur pour de nombreux sous-agents, y compris des instances CLI contrôlées par ACPX de Codex et Claude Code. L'agent oubliait des détails entre les sessions, chaque conversation étant fonctionnellement isolée des sessions précédentes, sauf ce qui était écrit dans des fichiers markdown.

Limitations des solutions existantes

La source identifie plusieurs limites dans les approches de mémoire actuelles :

• Les fichiers texte géants gonflent les fenêtres de contexte et deviennent coûteux
• Les bases de données vectorielles (Mem0, Zep) manquent de structure et ne peuvent pas suivre qui a dit quoi ou quand
• Les pipelines RAG traitent tous les fragments de document de manière égale, quelle que soit leur importance
• MemGPT/Letta manque de bases de données de faits structurés, de graphes de relations et de dégradation pondérée par l'importance
• La mémoire intégrée de ChatGPT est une liste plate sans recherche, dégradation ou hiérarchie
• Supermemory utilise une abstraction de graphe unique sans stockage de messages immuable ni compression hiérarchique

Le nouveau système résout ces limitations en incluant toutes les modalités de mémoire et en ajoutant une coordination via un bus d'événements qui propage les écritures simultanément sur les faits structurés, les embeddings sémantiques, les graphes d'entités, les chronologies d'épisodes et les résumés hiérarchiques.