昨天我們已經用 runtime 軌跡證明：

OpenClaw Agent
↓
MCP
↓
devbench
↓
真的讀到專案檔案

今天先不加新 Tool。

換一個更容易混淆的問題：

如果我把 Gateway 關掉再打開，Agent 還記得剛才說過什麼嗎？

這次不靠模型自己說「我記得」。

直接停止 Gateway，再重新啟動一次。

不過開始前，先把三個常被混在一起的概念拆開：

它們都和「記住東西」有關，但不是同一件事。

檔案還存在
≠
模型下一輪一定會看到

同一個 Session 能續接
≠
已經有長期記憶

模型這次答對
≠
Memory 系統已經驗證成功

一、直接把 Gateway 關掉再開

今天的實驗很小。

先建立一個新的 Session，告訴 Agent：

本次開發任務代號是 DEV-SESSION-26

收到回答後，真的停止 Gateway。

接著重新啟動新的 Gateway Process，再使用 同一個 Session ID 問：

剛才的任務代號是什麼？

流程是：

第二次問題刻意不把：

DEV-SESSION-26

再貼進 Prompt。

不然只是閱讀理解，不是 Session 延續測試。

二、真正跑一次 Restart

程式：

"""Day 26：重啟 Gateway 後，以同一 Session 驗證對話能否續接。"""

import json
from uuid import uuid4

from ironman.openclaw_lab import OpenClawLab


def main() -> None:
    lab = OpenClawLab()
    lab.setup(mcp=True)

    session = str(uuid4())

    # 第一次 Gateway：建立本次實驗才知道的代號
    with lab.gateway():
        first = lab.ask(
            "請記住，本次開發任務的代號是 "
            "DEV-SESSION-26。只需回覆收到。",
            session=session,
        )

        print(
            json.dumps(
                {
                    "phase": "before_restart",
                    **first,
                },
                ensure_ascii=False,
            )
        )

    # 這裡真的已經停止上一個 Gateway Process
    with lab.gateway():
        second = lab.ask(
            "剛才告訴你的任務代號是什麼？"
            "只回答代號，不要猜。",
            session=session,
        )

        print(
            json.dumps(
                {
                    "phase": "after_restart",
                    **second,
                },
                ensure_ascii=False,
            )
        )

        assert "DEV-SESSION-26" in second["answer"]

    memory = (
        lab.directory
        / "workspaces/research/MEMORY.md"
    )

    assert memory.is_file()
    assert "來源" in memory.read_text(
        encoding="utf-8"
    )

    print(
        "Session 重啟後可續接；"
        "人工 Memory 檔仍在。"
        "未啟用 embedding／向量檢索。"
    )


if __name__ == "__main__":
    main()

這裡有一個細節很重要：

with lab.gateway():

結束後真的會停止這次 Gateway。

第二個 with 啟動的是新的 Gateway Process。

所以今天驗證的不是：

重新建立一個 Python 物件

而是：

Gateway Process A
↓
停止
↓
Gateway Process B
↓
載入同一份 Runtime State

三、這次到底證明了什麼？

如果第二次真的回答：

DEV-SESSION-26

我們可以證明：

在目前這套 Lab 設定下，同一個 Session 的狀態能跨 Gateway 重啟續接。

但不能把它擴大解讀成：

Agent 擁有永久記憶

今天沒有證明：

換一個 Session 還能找回這段資訊

幾萬輪對話都能完整保留

Context 永遠不會被壓縮

Session Storage 永遠不會損壞

換一台機器也能自動恢復

所以更精確的說法是：

Gateway Restart
↓
同一份 Runtime State
↓
同一 Session ID
↓
短對話可以續接

這是 Session Persistence 的實測。

不是「無限記憶」。

四、Workspace 又是另一件事

今天另外檢查：

workspaces/research/MEMORY.md

這個檔案在 Gateway 重啟後還存在。

這只能證明：

Workspace 裡的檔案有持久保存

不能直接推導：

模型每一輪都會自動讀 MEMORY.md

Workspace 比較像：

Agent 可以工作的檔案空間

裡面可以放：

筆記
任務產物
設定
Memory 文件
其他工作資料

但：

檔案存在，和這份資料是否真的進入模型 Context，是兩件事。

這跟 Day 25 很像。

那時候我們也不是看到專案檔案存在，就說 Agent 已經知道內容。

一定要真正看到：

read_file

執行過才算。

五、Memory 今天只做到人工筆記

今天 Workspace 裡會建立：

MEMORY.md

內容記錄例如：

專案名稱
專案用途
資料來源
確認資訊

初始化時只有：

檔案不存在

才會建立。

如果操作者後來自己補了內容，重新執行 Lab 不會整份覆蓋掉。

這很重要。

不然每次啟動 Agent 都：

重新生成 MEMORY.md
↓
把人工修正洗掉

那根本稱不上可維護的 Memory。

不過今天要很誠實地標示範圍：

有 MEMORY.md

不代表：

Semantic Memory 已經完成

這篇沒有啟用：

Embedding
Vector Search
Semantic Retrieval
Cloud Memory Service

Memory Plugin 也維持：

none

所以今天驗證的是：

Workspace 裡可以保存一份人工管理的長期筆記。

不是：

Agent 已經會自動從大量記憶中找出語意最相關的內容。

兩者差很多。

六、Session 和 Memory 到底差在哪？

可以用今天的實驗直接分。

Session

剛才的：

DEV-SESSION-26

是這段對話裡臨時告訴模型的資訊。

同一個 Session 可以續接，所以 Gateway 重啟後還能接著問。

比較像：

「我們剛才聊到哪裡？」

Workspace

MEMORY.md 是硬碟上的檔案。

Gateway 關掉後還是在。

比較像：

「我的工作桌上有哪些文件？」

Memory

Memory 則是：

哪些資訊值得留下
↓
如何保存
↓
之後什麼時候重新取回
↓
要不要放回 Context

比較像：

「哪些事情值得下次繼續使用？」

所以：

Session
≠
Workspace
≠
Memory

只是三者最後可能會互相合作。

七、Memory 也可能把錯誤保存得很好

記憶系統有一個很容易被忽略的問題。

假設昨天 Agent 得出錯誤結論：

主力模型是 model-a

然後把它存進 Memory。

今天即使檢索系統非常精準，也只是：

精準地把錯誤找回來

所以 Memory 不是越多越好。

至少應該考慮記：

內容
來源
確認者
建立時間
最後更新時間
是否已失效

例如：

## 主力模型設定

內容：MODEL_NAME 預設為 xxx

來源：src/ironman/config.py

確認時間：2026-10-09

狀態：有效

如果後面設定改了，比起一直新增：

舊答案
新答案
更舊答案

更合理的是：

更新
取代
或明確標記過期

不然 Memory 很快就會變成一堆彼此衝突的歷史資料。

八、Memory 永遠不是授權

還有一條界線要特別留下來。

假設某個舊 Session 寫過：

下次可以直接執行測試，不用再問。

即使這句話真的被保存到 Memory，也不能拿來取代 Day 20 的 Human Approval。

因為：

Memory
→ 保存資訊

Authorization
→ 決定這一次能不能執行

兩者完全不同。

昨天留下的資訊不能自己變成今天的權限。

所以即使後面 Memory 越做越完整：

run_tests
write_file
network_send

這些高風險操作仍然要在 執行當下 重新走權限檢查。

這也是為什麼：

「Agent 記得使用者以前答應過」

不能等同：

「使用者現在仍然授權」

昨天 Day 25 驗證：

Tool Trace
→ 剛才真的做過什麼

今天 Day 26 驗證的是另一層：

Session
→ 這段對話能不能續接

Workspace
→ 檔案能不能留下

Memory
→ 哪些資訊值得之後重新使用

三個概念先拆開，後面才不會看到一句：

Agent 記得了

卻不知道它到底是靠：

Context
Session
Workspace
Memory
還是 Prompt 裡又被貼了一次

明天開始把同一個 Workspace 再拆開。

Research、Writer、Reviewer 不應該因為都跑在 OpenClaw 裡，就自動看到彼此所有檔案與上下文。

要共享什麼資料，仍然由 Supervisor 明確交接。

Day 27：

用 OpenClaw 建立 Multi-Agent：隔離 Agent、路由與 Supervisor。

參考資料

OpenClaw Memory
https://docs.openclaw.ai/concepts/memory