OpenClaw × Nowledge Mem

配置完成后，你的 OpenClaw 会记住你在上一次会话说的话，记住你上周做的决定，记住你三个月前写入文档的知识。

开始之前

需要准备：

• Nowledge Mem 已在本地运行（安装）
• OpenClaw 已安装（OpenClaw 入门）
• nmem CLI 在你的 PATH 中。在 Nowledge Mem 中，打开 设置 > 偏好设置 > 开发者工具，点击 安装 CLI。或独立安装：pip install nmem-cli

nmem status        # 应显示 Nowledge Mem 正在运行
openclaw --version

配置步骤

openclaw plugins install @nowledge/openclaw-nowledge-mem

openclaw plugins update openclaw-nowledge-mem

{
  "plugins": {
    "slots": {
      "memory": "openclaw-nowledge-mem"
    },
    "entries": {
      "openclaw-nowledge-mem": {
        "enabled": true
      }
    }
  }
}

openclaw nowledge-mem status

验证配置（1 分钟）

在 OpenClaw 聊天中依次执行：

1. /remember 我们为任务事件选择了 PostgreSQL
2. /recall PostgreSQL - 应立即找到
3. /new - 开启新会话
4. 问：任务事件的数据库我们选的什么？ - 跨会话记住了
5. 问：这周我都做了什么？ - 按周浏览
6. 问：2月17日我在忙什么？ - 精确到某一天
7. /forget PostgreSQL 任务事件 - 删除干净

如果以上七步都顺利，记忆系统已完整运作。

你能做什么

记住任何事情

告诉 AI /remember 我们决定不用微服务，原因是团队太小，下周换一个会话，直接问"微服务那个决定是怎么说的"，它能找到。

按日期找回工作内容

问"上周二我在做什么"，AI 会列出那天你保存的内容、添加的文档、生成的洞察。支持指定具体日期，不只是"最近 N 天"。

追溯一个决策的来龙去脉

问 AI "这条记忆是怎么来的、和什么有关"，它会展示：这条知识的原始来源文档、哪些相关记忆被合成为了更高层的洞察、这个认识随时间怎么变化过。

每天自动带着上下文开始

每天早上，Nowledge Mem 的知识智能体生成一份今日简报：你在关注什么、有什么未解决的问题、最近有什么新进展。会话开始时 AI 自动读取，不需要你每次重新介绍背景。

保存时带上类型和时间

你不只是在保存文字，你在记录结构化的知识。告诉 AI "记住这是一个决策，发生在 2026 年 2 月"，它会以正确的类型和时间存进知识图谱。支持 8 种类型：事实、偏好、决策、计划、流程、学习、背景、事件。

追溯记忆的来源对话

当一条记忆是从对话中提炼出来的，它会包含 sourceThreadId。AI 可以用 nowledge_mem_thread_fetch 获取完整对话，查看当时说了什么、做了什么决定、结论是怎么得出的。

直接搜索过去的对话

问"找一下我们讨论 Redis 缓存的那次对话"，AI 会用 nowledge_mem_thread_search 找到匹配的对话线程和消息片段。然后用 nowledge_mem_thread_fetch 逐页获取完整消息。

斜杠命令快捷方式：/remember、/recall、/forget

工作原理

每轮对话的工作流

每次你发送消息，插件会在 AI 处理之前注入行为引导。AI 随后决定调用哪些工具。

行为引导提示 AI 回答前先搜索、做完决定后保存。每个工具的触发时机：

会话生命周期（自动捕获）

会话结束时，对话自动被捕获并可选地提炼为结构化记忆。无需用户操作。

要点：

• 线程捕获是无条件的，每段对话都会保存，可通过 nowledge_mem_thread_search 搜索
• LLM 提炼仅在 agent_end 时运行，检查点期间不执行
• 提炼出的记忆携带 sourceThreadId，可追溯到来源对话

渐进式检索（记忆 -> 线程 -> 消息）

从对话中提炼的记忆携带 sourceThreadId，形成检索链：搜索记忆 -> 追溯来源对话 -> 分页读取完整消息。

两个进入过去对话的入口：

1. 从记忆出发: memory_search 或 memory_get 返回 sourceThreadId，然后获取来源对话
2. 直接搜索: nowledge_mem_thread_search 按关键词查找对话，然后获取任意结果

三种模式

插件支持三种运行模式。根据你想要多少保障、愿意花多少 token 预算来选择。

选哪个模式？

• 大多数用户：从默认模式开始。AI 每轮收到行为引导，提示它回答前先搜索、做完决定后保存。大多数对话场景下效果良好。
• 短会话或需要高准确性：开启 sessionContext。这确保从第一轮开始就有相关记忆在上下文中，AI 不需要自行判断是否搜索。代价是每轮多约 1-2 KB 上下文。
• 完全手动控制：设置 sessionDigest: false。你自己决定什么该保存（通过 /remember 或 nowledge_mem_save），不会自动捕获任何内容。

sessionContext - 会话上下文注入

开启后，插件在每次提示时自动注入上下文：

1. 读取工作记忆，即 Knowledge Agent 每天早上生成的今日简报
2. 根据当前消息在知识图谱中搜索相关记忆
3. 将两者以隐式上下文的形式插入系统提示

开启 sessionContext 后，行为引导会自动调整，告诉 AI 上下文已经注入，memory_search 仅用于特定的后续查询，而非广泛的回忆。这样可以避免重复搜索相同的上下文。

适用于短会话和关键工作流，确保从第一轮开始就有完整的记忆上下文。

sessionDigest - 对话线程 + LLM 智能提炼（默认开启）

在会话生命周期事件（agent_end、after_compaction、before_reset）时执行两步操作：

1. 对话线程保存（始终执行）。 完整对话被追加到 Nowledge Mem 的持久化线程中。无条件执行，每条消息都会被保存，可通过 nowledge_mem_thread_search 搜索浏览。

2. LLM 智能提炼（有价值时才执行）。 保存线程后，先用一次轻量级 LLM 筛选判断对话中是否有值得保存的内容（决策、洞察、偏好、事实）。如果有，执行完整的提炼流程，提取带有正确类型、标签和时间信息的结构化记忆。支持任何语言。

上下文压缩：当 OpenClaw 压缩长对话时，插件会先捕获对话记录，不会丢失任何内容。

消息去重：线程追加按消息 ID 幂等，不会出现重复内容。

常见问题

AI 每次回答前都会搜索记忆吗？

行为引导会提示 AI 搜索，但不会强制。这是有意为之的设计：在每轮对话都强制搜索会增加延迟和成本，很多消息（比如「你好」「谢谢」）并不需要历史上下文。实际使用中，现代 LLM 在涉及知识的问题上会可靠地遵循行为引导。如果你需要确保每次都有完整的记忆上下文，开启 sessionContext: true，它会在 AI 处理消息之前就注入相关记忆。

怎么防止 AI 重复保存同一件事？

两层防护。第一，插件在每次保存前都会检查是否已有高度相似的记忆，如果相似度极高，保存会被跳过，返回已有记忆的信息。第二，Nowledge Mem 的 Knowledge Agent 在后台运行更深层的去重，它识别记忆之间的语义重叠，并通过 EVOLVES 链（替代、丰富、确认或挑战）建立关联。插件处理明显的重复；Knowledge Agent 处理微妙的重复。

没有主动保存的对话会怎样？

如果 sessionDigest 开启（默认就是开启的），每段对话都会保存为可搜索的线程，之后可以通过 nowledge_mem_thread_search 找到。同时，一次轻量级 LLM 筛选会检查对话中是否包含值得保存的决策、洞察或偏好。如果有，会提取为带有正确类型、标签和时间信息的结构化记忆。如果对话只是日常交流，不会额外保存任何内容。

记忆会过时吗？

会，这是设计的一部分。Nowledge Mem 的 EVOLVES 链追踪认知如何变化：新的记忆可以替代、丰富或挑战旧的记忆。Knowledge Agent 自动识别这些关系。搜索时，相关性评分会考虑时间因素，更新的记忆默认排名更高。

配置

开箱即用，无需任何配置。默认即本地模式。

修改设置：打开 OpenClaw Config > Plugins > Plugin Entries > Nowledge Mem Config。你会看到开关、数字输入框和文本框，可以直接调整。

修改后重启 OpenClaw 生效。

远程访问

连接另一台机器上的 Nowledge Mem 服务器：在插件设置中填写 Server URL 和 API key。API 密钥仅通过进程环境传递，不会出现在日志或命令行历史中。详见：随处访问 Mem。

遇到问题？

插件装了，但 OpenClaw 好像没在用它

检查 plugins.slots.memory 的值是否正好是 openclaw-nowledge-mem，确认修改配置后重启了 OpenClaw。

"Duplicate plugin id detected" 警告

如果你之前本地安装过插件（例如使用 --link），之后又从 npm 安装， OpenClaw 会同时从两处加载。解决方法：删除配置中指向本地插件目录的 plugins.load.paths 条目。

打开 ~/.openclaw/openclaw.json，删除指向本地插件目录的 plugins.load.paths 条目：

"load": {
  "paths": []
}

然后重启 OpenClaw。警告会消失，只会加载 npm 安装的版本。

status 显示无法连接

nmem status
curl -sS http://127.0.0.1:14242/health

搜索只找到一两条结果

把 maxContextResults 调高到 8 或 12。

为什么用 Nowledge Mem 而不是其他方案？

其他记忆工具把你说过的话存成一段段文字，靠语义相似度找回来。Nowledge Mem 不一样。

知识是有结构的。 你保存的每条记忆都知道自己是什么类型（决策、学习、计划还是偏好），知道它什么时候发生、指向哪些来源文档、和哪些其他记忆有关联。这让搜索更准、推理更靠谱。

知识会演化。 你今天写的理解，和三个月后更新过的认识，在系统里是连在一起的。你可以看到自己的想法怎么变化的，不会丢掉中间的过程。

知识来自哪里是透明的。 从 PDF、文档或网页提取的每条知识，都保留着指向原始文件的链接。AI 告诉你"根据你三月份的设计文档"，你能直接验证。

跨工具共享。 在 Cursor 里学到的，在 Claude 里记下的，在 OpenClaw 里一样能用。你的知识不属于任何一个工具，它属于你。

本地优先，无需云账户。 你的知识存在本地。远程访问是可选的，不是必须的。

搜索怎么工作的？参见搜索与相关性。

给进阶用户

OpenClaw 的 MEMORY.md 工作区文件仍然有效，但记忆工具的实际调用全部由 Nowledge Mem 处理。两者可以共存。

插件通过 nmem CLI 子进程与 Nowledge Mem 通信。这意味着本地和远程模式的行为完全一致，配置好地址后不需要其他改动。

相关

• 集成概览 - 原生集成、复用包、MCP 与浏览器捕获
• Claude Code · Claude Desktop · Codex CLI · Alma · Raycast · 内置 Web 聊天

参考

• 插件源码：nowledge-mem-openclaw-plugin
• OpenClaw 文档：插件系统
• 更新日志：CHANGELOG.md