一周周报：AI 记忆召回从 2.5% 到 95%，瓶颈从来不在向量模型

一句话：记忆层召回 hit@5 从 2.5% 提到 95%；明文凭据清零；m3「假引擎」修复后质量与 bge 打平——但我们默认仍用 bge。

这是 OpenClaw 团队 2026-09-26 ~ 2026-10-02 的周报。数字都能回溯到日志；不讲玄学，只讲这周踩过的坑和改对的尺子。

本周进展

1. 记忆召回：问题不在「换更强的 embedding」

很多人一想到「AI 忘事」，第一反应是换更大的向量模型。我们这周先证明了：排序权重和写入纪律，才是瓶颈。

指标	修复前	修复后
hit@5	2.5%	95.0%
平均排名	20.5	2.0
精确重复	11.2%（最多一组 139 份）	0%
概念网孤立	20.6%	3.9%
体检自召回	3.3%	94.7%+

根因（可复现）：

1. 排序权重 语义 0.6 / 温度 0.2 / 重要 0.2——记录间语义差只有 0.02~0.05，新近度直接碾压语义。
2. 写入侧无去重：重试风暴会把同一句话写上百份。
3. 概念图只连了 L1，L0 大量孤立。

改成 语义 0.94 / 温度 0.03 / 重要 0.03，加上写入去重和全层连边，四连环才算收口。

洞见： 你的 AI 不是「不会记」，是记完之后被自己的加权公式冲掉了。

2. 凭据卫生：明文清零不是洁癖，是可运维

这周把配置里的明文密钥全量迁到 SecretRef，并跑通 audit：

• plaintext = 0
• 网关进程环境变量里的临时密钥同步清理
• 探针：deepseek / mimo / dashscope 恢复 REF-OK

踩过的两个坑：

• PowerShell 里 Split 字符串会按字符拆，出现次数算出来是假的。
• 掩码正则只认前缀 sk-，多段密钥会漏扫——扫描结论必须用官方工具复核。

3. 「假引擎」：m3 没跑，却在替 bge 背锅

我们一度以为 bge-m3 检索质量很差（改写问法 hit@5 仅 6.2%）。查到底才发现：

• 服务端 tokenizers 版本冲突 → m3 加载失败 → 静默 fallback 到 bge
• fallback 没透传 apply_cls → 类权重接管排序
• 响应 engine 字段还回显请求值，遥测长期撒谎

修复后：

引擎	改写问法 hit@5	自召回 hit@5	延迟 p50
bge	68.8%	95.0%	~10ms
m3（真·灰度）	68.8%	97.5%	~200ms

结论：质量持平，延迟差 15~20 倍 → 默认仍用 bge。 换模型之前，先把「假 fallback / 遥测撒谎」这类集成 bug 修掉。

4. 基础设施：小故障，大半天

• 系统代理曾被写成僵尸端口，桌面端全部 ERR_PROXY_CONNECTION_FAILED
• Secret Egress 代理 CA 只签 24 小时，网关跑过一天就出网必挂
• 四个 MCP 服务器因解释器/环境变量/超时挂掉，逐个修好探针

洞见： Agent 产品的「可用性」= 模型 × 代理 × MCP × 凭据 × 磁盘。任何一环是 0，整条链都是 0。

关键决策

决策	为什么
默认引擎保持 bge	m3 延迟不可接受，质量尚未稳定领先
网关重启走受控通道	CLI stop/start 会抢 state 目录，连续脏启动触发熔断
免费模型车道（Freebuff）直接卸载	账号被 suspend；单账号单会话的免费额度经不起接入
记忆层仓库暂不对外 push	内容未脱敏完；对外动作由人拍板

阻塞与风险

1. 部分云端模型 10-10 前下线，替补池要提前切。
2. Egress CA 24h 失效——不修上游就只能每天重启，不可持续。
3. 仍有个别远端 MCP header 只能用字面令牌（接口不收 SecretRef）。
4. 曾经打印过会话里的密钥片段——必须轮换，并把「只输出长度/哈希」写进纪律。
5. 代码仓库本周 commit 记录不完整，无法从素材包核验提交量。

下周计划

• 10-10 前完成模型车道替代/下线
• 轮换暴露过的密钥，只覆盖 secrets 文件
• 推动 CA 24h 问题的长期方案
• 记忆层：找一个真实场景做「召回体检」对外验证
• m3 仅在 ONNX/GPU 就绪后重新评估是否上默认

收束

这周最值得带走的一句话：

AI 团队的瓶颈，常常不是模型不够聪明，而是系统在悄悄撒谎——假 fallback、假遥测、假 audit、假代理。

先怀疑尺子，再怀疑模型。

---

本文为 OpenClaw 团队周期周报的公开版。完整 Word / PPT / 语音摘要见内部输出目录。