✦ 免费专栏|全套教程: OpenClaw 从入门到精通
✦ 开篇总览|最新目录: 最新 OpenClaw 教程|从入门到精通|AI 智能助手 / 自动化 / Skills 实战(原 Clawdbot/Moltbot)
让 OpenClaw 智能体记住一切:QMD 工作记忆 (<1ms) + Zvec 混合搜索 (<10ms) + 因果图多跳推理 (~15ms)
从“金鱼记忆”到“过目不忘” — 只需 3 分钟安装
- 概述
- 架构设计
- 核心组件
- 安装与配置
- API 参考
- OpenClaw 集成
- 性能基准
- **实践
问题背景
OpenClaw 智能体每次会话启动时都是“全新”的,没有工作记忆来记住之前正在做什么。内置的 工具虽然能进行语义搜索,但存在以下限制:
解决方案
MemClawz 引入三层记忆架构,每层针对不同访问模式优化:
核心优势
数据流
写入路径
读取路径
压缩路径
1. QMD — 快速记忆转储 (Quick Memory Dump)
位置:
用途: 结构化 JSON 工作记忆,记录智能体当前正在处理的内容。
存储内容:
- 活跃任务(进度、决策、阻碍)
- 实体追踪(提到的人、URL、凭证)
- 决策日志(“为什么选择 X 而非 Y”)
设计决策:
- JSON 而非 Markdown — 智能体可即时解析,无需 LLM 解释
- 最大 50KB,FIFO 淘汰 — 防止无限增长
- 工作中写入,而非事后 — 实时捕获状态
- 完成任务压缩到日志,不删除 — 不丢失任何内容
示例结构:
生命周期:
- 会话开始: 智能体读取 恢复感知
- 工作中: 每次重要操作后更新 QMD(新任务、决策、完成)
- 会话结束: 完成任务压缩到日志,活跃任务保留
- 每周: 重要决策提升到
2. Zvec 服务器 — 混合向量 + 关键词搜索
位置:
端口:
技术栈:
- FastAPI + Uvicorn
- Zvec (阿里巴巴 HNSW 向量数据库)
- 768 维嵌入(与 OpenClaw 的 兼容)
搜索策略:
核心功能:
- HNSW 近似最近邻搜索 (<10ms top-10)
- BM25 关键词搜索精确匹配
- 混合评分融合向量相似度 + 关键词相关性
- REST API on
- 多 worker 支持,优雅关闭,锁文件清理
3. 自动索引 Watcher
位置:
功能: 监控 OpenClaw 的 SQLite 记忆数据库,每 60 秒自动同步新块到 Zvec。
关键特性:
- 无需手动重新索引
- 新记忆 60 秒内可搜索
- 批量处理(每次 50 块)
- 错误重试机制
4. 因果图 (Causality Graph) — v3.0 新增
位置:
存储: SQLite ()
设计依据: 基于 AMA-Bench (Zhao et al., 2026) 研究发现:
- Mem0 在真实智能体记忆任务得分:0.2104
- 因果图 + 工具增强检索得分:0.5722 (2.7× 提升)
边类型:
多跳检索流程:
- 初始相似度搜索 (top-K)
- 置信度检查 — 若低于阈值,遍历因果/关联边 (深度 2)
- 仍不足则关键词搜索回退
QMD 因果字段(v3.0):
5. 压缩脚本
位置:
功能: 将已完成的 QMD 任务移动到日志文件,修剪工作记忆。
运行方式:
- 手动运行
- 通过 cron 定时
- 心跳检查钩子
- 静默模式(仅在实际压缩时输出)
前置条件
注意: 仅提供 x86_64 Linux wheels — 暂不支持 macOS/ARM64/Windows。
一键安装
首跑脚本执行步骤:
- 安装依赖 (, )
- 创建 QMD 工作记忆目录
- 启动 Zvec 服务器(端口 4010)
- 导入所有现有 OpenClaw 记忆(SQLite + Markdown 文件)
- 启动自动索引 Watcher
- 运行验证(健康检查、搜索延迟、QMD 检查)
- 注册为 OpenClaw 技能
后续命令:
环境变量
systemd 服务(生产环境)
基础端点
搜索端点
POST
请求:
响应:
索引端点
POST
请求:
简写模式(自动嵌入):
响应:
因果图端点(v3.0)
POST
请求:
响应:
POST
请求:
响应:
POST
请求:
响应:
GET
响应:
AGENTS.md 配置
在智能体的 中添加以下记忆协议:
搜索脚本封装
创建便捷的搜索脚本 :
子智能体调度模式(Dispatch Pattern)
**实践: 每个请求生成领域专家子智能体,预加载相关记忆。
会话结束压缩:
在智能体会话结束时自动运行:
4. 监控与告警
健康检查脚本:
5. 备份策略
定期备份:
恢复流程:
常见问题
1. Zvec 服务器无法启动
症状: 无响应
排查步骤:
解决方案:
2. 搜索结果为空
可能原因:
- 索引为空
- 嵌入维度不匹配
- 查询向量维度错误
排查:
3. Watcher 未同步新文件
排查:
研究论文
“AMA-Bench: Evaluating Long-Horizon Memory for Agentic Applications” (Zhao et al., 2026)
https://arxiv.org/abs/2602.22769
关键发现: Mem0 得分 0.2104,因果图 + 工具增强检索得分 0.5722(2.7× 提升)
相关项目
ClawHub 安装
“每个人都值得拥有一个 Quant。每个智能体都值得拥有记忆。”
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/230732.html