OpenClaw集成长记忆服务

步骤一：安装OpenClaw和Memory插件

1. 全局安装OpenClaw（如尚未安装）。

   npm install -g openclaw@latest

2. 安装ADBPG长记忆插件。

   openclaw plugins install @adbpg-ai/openclaw-mem0

3. 确认插件已被识别。

   openclaw plugins list | grep openclaw-mem0

   输出中应能看到Memory (Mem0) — ADBPG Build条目，状态为enabled。

openclaw plugins uninstall openclaw-mem0
openclaw plugins install @adbpg-ai/openclaw-mem0

步骤二：配置openclaw.json

编辑配置文件~/.openclaw/openclaw.json，添加openclaw-mem0插件配置。

{
  "plugins": {
    "allow": ["openclaw-mem0"],
    "slots": {
      "memory": "openclaw-mem0"
    },
    "entries": {
      "openclaw-mem0": {
        "enabled": true,
        "config": {
          "mode": "platform",
          "apiKey": "${ADBPG_API_KEY}",
          "baseUrl": "${ADBPG_URL}",
          "userId": "alice"
        },
        "hooks": {
          "allowConversationAccess": true
        }
      }
    }
  }
}

配置项说明

重启网关使配置生效：

openclaw gateway restart

步骤三：验证基础记忆操作

OpenClaw提供了mem0命令行子命令，可直接对长记忆服务执行读写。

1. 健康检查。

   openclaw mem0 status

2. 记录一条偏好。

   openclaw mem0 add "我每天早上喜欢喝一杯黑咖啡" --user-id alice

   预期输出：

   Added 1 memory(s):
     :  [ADD]

3. 语义检索。

   openclaw mem0 search "饮品偏好" --user-id alice

   预期输出（命中刚刚记录的偏好）：

   [
     {
       "id": "<memory-id>",
       "memory": "每天早上喝一杯黑咖啡",
       "score": 0.62,
       "scope": "long-term",
       "categories": ["preferences"]
     }
   ]

4. 列出当前用户的全部记忆。

   openclaw mem0 list --user-id alice

步骤四：通过TUI对话验证端到端读写

openclaw tui提供Agent的本地终端对话界面。验证目标是：在TUI中产生的记忆，可以通过CLI命令读取和检索，确认长记忆服务的读写闭环。

前提

• 已为OpenClaw配置默认Agent模型，例如阿里云百炼qwen-plus系列。如尚未配置，可执行：

  openclaw onboard --auth-choice qwen-standard-api-key-cn \
                   --modelstudio-standard-api-key-cn <your-dashscope-api-key>

  或参考OpenClaw模型配置文档。

• 已启动网关。

  openclaw gateway restart

验证流程

1. 打开TUI并与Agent对话。

   openclaw tui

   输入一条偏好后退出TUI（Ctrl+C 或 /exit）：

   用户：我是个左撇子。
   
   Agent：好的，我会记住这一点。

2. 等待异步处理（通常几秒内完成），然后在命令行查询。

   # 列出当前命名空间下的所有记忆
   openclaw mem0 list
   
   # 用与原话字面不重叠的query做语义检索
   openclaw mem0 search "用手习惯"

   预期：list返回值中包含一条由ADBPG从对话中抽取的fact；search使用与原话字面不同的查询能命中该条记忆，验证向量化语义检索生效。

自动提取与召回

完成上述配置后，无需任何额外操作。在TUI或任意已接入的消息渠道中与Agent对话时，插件会自动完成以下两件事：

• 抽取：当对话中出现可沉淀的用户信息（饮食偏好、编程习惯、项目背景、住所变化等），插件在agent_end钩子触发后自动通过记忆提取接口，将对话送往AnalyticDB for PostgreSQL长记忆服务，由服务端LLM抽取结构化事实并向量化存入数据库。

• 召回：下一轮对话开始时（before_prompt_build钩子触发），插件会以当前用户输入为查询，通过记忆搜索接口从长记忆服务做语义检索，并将命中的记忆注入Agent的系统提示，使Agent天然具备跨会话的记忆能力，用户无需重复说明背景信息。

搜索记忆

openclaw mem0 search "杭州"

返回与检索词在语义上相关的记忆条目，常用于排查写入是否生效或调试检索效果。

注意检索使用向量相似度，查询词与命中条目无需字面共词，例如查询“住宿偏好”即可命中“喜欢住民宿”一类记忆。

Agent工具

除自动钩子外，插件还为Agent注册了以下工具，使Agent可以在推理过程中显式调用：