Memory Core（长期记忆核心）

Memory Core 为 OpenClaw Agent 提供跨会话的长期记忆能力：自动识别输入的意图与场景，并在检索阶段进行严格场景隔离，避免无关记忆污染当前会话。

功能特性

• - 记忆摄入：将用户关键事实写入长期记忆库
• 记忆检索：按 Agent + 场景过滤后进行向量相似度搜索
• 记忆遗忘：按记忆 ID 删除
• 本地优先：LanceDB 文件本地持久化，默认不出机器

命令

在 OpenClaw Workspace 内运行（{baseDir} 为技能目录）：

bash
python3 {baseDir}/scripts/main.py ingest --agent main --text 我是 Python 后端工程师，喜欢用 FastAPI。
python3 {baseDir}/scripts/main.py retrieve --agent main --query 我擅长什么框架？
python3 {baseDir}/scripts/main.py forget --id

配置

你可以创建 {baseDir}/config.json 来选择本地或云端向量化模型：

预算自适应（推荐开启）

默认会根据 agent_id 在 ~/.openclaw/openclaw.json 里对应的模型名做启发式分档，并自动选择检索预算：

• - small：400/1200
• medium：600/1800
• large：900/2700

如需固定预算，可在 config.json 里设置 autobudget: false 并手工指定 maxcharspermemory/maxtotalchars。

1) 使用本地 Ollama（推荐本地优先）

json
{
embedding_provider: ollama,
embedding_model: nomic-embed-text,
embeddingbaseurl: http://localhost:11434,
auto_budget: true,
default_tier: medium,
embeddingtimeoutsec: 20,
embeddingmaxinput_chars: 2000,
max_results: 5,
maxcharsper_memory: 600,
maxtotalchars: 1800,
min_score: 0.2
}

2) 使用云端 SiliconFlow（默认）

embeddingapikey 可留空，系统会尝试从 ~/.openclaw/openclaw.json 自动读取。

json
{
embedding_provider: siliconflow,
embedding_model: BAAI/bge-m3,
embeddingbaseurl: https://api.siliconflow.cn/v1,
auto_budget: true,
default_tier: medium,
embeddingtimeoutsec: 15,
embeddingmaxinput_chars: 2000,
max_results: 5,
maxcharsper_memory: 600,
maxtotalchars: 1800,
min_score: 0.2
}