OpenClaw Memory System#

本地化 AI 记忆管理系统，为 OpenClaw AI 助手提供稳定、高效、零成本的长期记忆能力。

核心架构#

三层存储 + 四层记忆模型：

层级组件说明接入层飞书 / WebChat / Gateway多渠道接入服务层cognitive-brain + OllamaMemory Service + Embedding存储层PostgreSQL + Redis + 文件向量 + 缓存 + 文件

四层记忆：

• L1 感官记忆 — Redis，TTL 30秒
• L2 工作记忆 — Redis，TTL 60分钟
• L3 情景记忆 — PostgreSQL，永久
• L4 语义记忆 — PostgreSQL，永久

快速开始#

1. 环境要求#

• OpenClaw 已安装运行
• Ollama 已安装， nomic-embed-text 模型已拉取
• PostgreSQL + Redis 服务运行中
• cognitive-brain 技能已安装

2. 配置步骤#

bash

# Step 1: 配置 Ollama 环境变量
export OLLAMA_API_KEY=ollama-local
export OLLAMA_HOST=localhost:11434

# Step 2: 配置 cognitive-brain (见 references/config-reference.md)
# 修改 config.json 中的 provider 设置

# Step 3: 重启 OpenClaw Gateway
openclaw gateway restart

3. 验证#

bash

# 验证 Embedding 服务
python3 scripts/embed.py --warmup

# 验证记忆检索
memory_search 测试查询

核心脚本#

• scripts/embed.py --warmup — 预热 Embedding 服务
• scripts/embed.py <文本> — 生成文本向量

🔗 引用与致谢#

直接引用的技能和代码#

引用来源引用内容说明cognitive-brainbrain.encode() / brain.recall() 接口、episodes/concepts 表结构、Redis 缓存逻辑核心记忆服务架构Ollamanomic-embed-text 模型、/api/embeddings 接口本地 Embedding 服务pgvector向量存储、ivfflat 索引、vector_cosine_opsPostgreSQL 向量扩展

架构参考#

参考来源引用内容lark-whiteboard系统架构图、数据流图、四层记忆模型（小明使用此技能绘制）ppt-generatorHTML 演示稿模板、乔布斯风设计规范

工具链#

工具用途Ollama本地 LLM 和 Embedding 运行服务PostgreSQL关系数据库 + 向量存储Redis热缓存、L1/L2 记忆存储ClawHub技能发布和管理平台OpenClawAI 助手框架

开发者贡献#

• 小明 (xiaoming) — 使用 lark-whiteboard 技能绘制三张架构图

参考文档#

• 架构图参考 — 系统架构、数据流图、四层记忆模型
• 部署实施指南 — 完整部署步骤
• 配置参考 — 配置文件详解