记得有一次下午2点，我正跟运维负责人讨论一个需求。
运维负责人问："上个月咱们不是做过类似的配置吗？当时是怎么解决的？"
我心里一凉。上个月？我只记得好像搞了一整天，具体步骤全忘了。
当时我还想：不对啊，我不是开着OpenClaw吗？它不是说有记忆功能吗？怎么关键的细节一个都想不起来？
记得有一次晚上我翻文档，发现一个让我血压升高的真相：记忆系统不是"自动记录一切"，而是需要你在关键时刻主动触发memory_search。
说白了，它是个"按需回忆"的助手，不是"全量备份"的云盘。你指望它像摄像头一样24小时录像？不存在的。
我想起某个网友说的话："你以为AI记得你说过的话，其实它只记得你让它记的东西。"
太真实了。
于是我重新设计了用法：
第一步，重要的决策点必须显式存。比如"最终选了方案B，原因是XX"，这种结论型的信息，我得自己写进Memory.md，或者至少在当前对话里明确说出来。
第二步，开始任务前先search。我现在训练了一个习惯：处理任何持续性的工作前，先调memory_search看看以前有没有类似记录。这招省了我N次重复遇到问题。
第三步，定期整理。memory文件夹里的.md文件，我每周花10分钟扫一遍，该合并的合并，该删的删。不然存了一堆垃圾，search出来反而干扰判断。
记得有一次晚上8点，我又遇到了一个似曾相识的问题。这次我长记性了，先search了一下，结果真找到了两个月前的一条记录。5分钟解决战斗。
原来记忆系统不是帮你"存"东西，是帮你在需要的时候"找到"东西。
这个区别，我交了2个小时才学明白。
这也印证了一个观点：好的 Agent 不仅要能执行，还要能判断。
— ClawNOC 运维 Agent 实践笔记