在 ClawdBot (MoltBolt / OpenClaw) 中增加记忆插件 PowerMem 的新方法
摘要：
本文介绍如何为开源个人AI助手 Moltbot（原 ClawdBot）集成基于 OceanBase 技术栈的长期记忆插件 PowerMem。通过 HTTP API 对接，PowerMem 为 Moltbot 提供智能信息抽取、艾宾浩斯遗忘曲线调度及多智能体隔离的记忆能力，显著增强其上下文持久化与自主决策水平，实现更类人的“数字员工”体验。
Moltbot 是什么？
Clawdbot（后更名为 Moltbot，又更名为 OpenClaw）是一款开源、以通讯为核心的AI智能体项目，运行在你自己的设备上，通过你已有的渠道（WhatsApp、Telegram、Slack、Discord、Google Chat、Signal、iMessage、Teams、WebChat 等）和你对话，支持语音、Canvas、多代理路由等。
简单点说：Moltbot 最大的特点是不仅能回答问题，更能真正“动手”操作你的电脑系统，执行命令、控制浏览器、管理文件，就像一个 7 x 24 小时在线的 “数字员工”。
官网 ：https://www.molt.bot/
github 地址：https://github.com/moltbot/moltbot
Moltbot 部署
方式一：NPM 全局安装
方式二：源代码安装
上面两种安装方式二选一，因为我是走的源代码安装：
- pnpm moltbot onboard --install-daemon 初始化
- 同意风险提示
这里会让你确认风险。Moltbot 功能强大，能执行系统命令、读写文件、控制浏览器，但这也意味着如果配置不当或被滥用，可能会带来安全风险，请谨慎使用。
- 选择快速开始
- 配置 AI 模型授权，我手里头有qwen的
- 启动web
问个小问题：“查一下我的电脑型号”，很快 moltbot 回复了我机器的具体型号，虽然任务非常简单，但是还是挺惊喜的，距离“贾维斯”又进了一步了。
Moltbot 的原生记忆解读
Moltbot 的持久记忆可以概括为：「Markdown 文件为单一事实来源 + 可选向量/混合检索」。
存储形态：纯 Markdown 文件
事实来源：模型「记得」的内容 = 写入磁盘的 Markdown；不依赖模型内部状态。
默认布局（在 workspace 下，如 ~/clawd）：
memory/YYYY-MM-DD.md：按日期的日志，仅追加；会话开始时读「今天 + 昨天」。
MEMORY.md（可选）：长期、人工可维护的记忆；只在 main 私聊 session 加载，群聊不加载。
也就是说：
短期、按天的记录 → memory/YYYY-MM-DD.md
长期、精选事实 → MEMORY.md
持久化完全靠「写进这些文件」，而不是靠对话历史本身。
写入时机与「记忆冲刷」（Memory Flush）
平时：模型通过 工具（如 write、edit）或技能，把要记住的内容写到 MEMORY.md 或 memory/YYYY-MM-DD.md。
自动冲刷：当 session 快触发自动 compaction 前，Moltbot 会跑一轮 静默的 agent 回合，专门提醒模型「把该持久化的东西写进记忆文件」，并鼓励用 NO_REPLY 不回复用户，避免用户看到这次内部回合。
触发条件由 agents.defaults.compaction.memoryFlush 控制，例如在「剩余 token ≈ softThresholdTokens」时触发；每轮 compaction 只做一次 flush，并在 sessions.json 里记 memoryFlushCompactionCount 等，避免重复。
相关代码在 src/auto-reply/reply/memory-flush.ts：
shouldRunMemoryFlush()：根据当前 token、context 上限、reserve、softThreshold 判断是否该 flush。
若 workspace 只读（如 sandbox workspaceAccess: "ro"），则不做 flush。
检索层：向量 + 可选 BM25 混合检索
数据流
实现方式
插件控制：默认使用 memory-core 插件（可设 plugins.slots.memory = "none" 关掉）。
工具：
memory_search：对 MEMORY.md 和 memory/*.md 做语义检索（按 ~400 token 分块、80 token 重叠），返回片段 + 文件路径 + 行号；可选开启 BM25 + 向量 的混合检索。
memory_get：按路径（及可选 from/lines）读取 MEMORY 或 memory 下的文件片段，供在检索后精确拉取，控制上下文长度。
向量索引：
对MEMORY.md 和 memory/*.md 建索引；索引按 agent 存于 ~/.clawdbot/memory/.sqlite（路径可配）。
支持远程 embedding（OpenAI、Gemini 等）或本地模型（如 GGUF）；可选 sqlite-vec 做向量加速。
文件变更有 watcher（debounce），索引异步更新；若 embedding 模型/端点等变化，会整库重建索引。
混搜权重分配
最终分数的计算公式非常简单（src/memory/hybrid.ts）：
这意味着：
向量搜索和文本三七开：最终得分 = 0.7×向量分 + 0.3×文本分（归一化后），偏重语义。
候选池放大 4 倍：先取 maxResults × 4 的候选再合并、排序、截到 maxResults，提高最终 Top‑N 质量。
Moltbot + powermem 方案
有 PowerMem VS 没有 PowerMem
集成 powermem 方案
集成方式：已插件的方式进行集成
集成方式：新增插件 extensions/memory-powermem，通过 HTTP 调用 PowerMem 已启动的 API 服务；不把 PowerMem 作为库嵌入 Moltbot 进程。
部署：用户需单独启动 PowerMem（如 powermem-server --host 0.0.0.0 --port 8000 或 Docker），并在 Moltbot 配置中填写 baseUrl（及可选 apiKey）。
代码结构
代码地址：https://github.com/ob-labs/moltbot-extension-powermem
在 Moltbot Agent 里会暴露这些能力：
memory_recall — 按查询搜索长期记忆
memory_store — 写入一条记忆（可选是否智能抽取）
memory_forget — 按记忆 ID 或按搜索条件删除
使用 powermem 插件
Step1: 前置条件
已安装 Moltbot（CLI + gateway 能正常用）
PowerMem 服务：需要单独安装并启动（见下文两种方式，任选其一）
若用 PowerMem 的「智能抽取」：需在 PowerMem 的 .env 里配置好 LLM + Embedding 的 API Key（如通义千问 / OpenAI）
Step2：把本插件装进 Moltbot
在你本机执行（路径改成你实际克隆的目录）：
安装成功后，可用 moltbot plugins list 确认能看到 memory-powermem。
Step3：配置 Moltbot 使用本插件
编辑 Moltbot 的配置文件（常见位置：~/.clawdbot/config.json 或项目里的 moltbot.json），在 根级 增加或合并 plugins 段，并把记忆槽指向本插件，并写上 PowerMem 的地址。
示例（JSON）：
说明：
baseUrl：PowerMem 的 HTTP 地址，不要加 /api/v1，就写 http://localhost:8000 或你的实际主机/端口。
若 PowerMem 开了 API Key 鉴权，在 config 里增加 "apiKey": "你的key"。
改完配置后重启 Moltbot gateway（或重启 Mac 菜单栏应用），配置才会生效。
Step4：验证插件与 PowerMem 连通
在终端执行：
若输出里没有报错、能看到健康状态，说明插件已连上 PowerMem。
Step5: 测试手动写入 + 搜索
我们来简单测试一下,用手动写入验证数据库是否有数据
若搜索能返回刚写的那条（或类似内容），说明「安装 PowerMem → 安装插件 → 配置 Moltbot」全流程已打通。
下面是执行结果：
看一眼数据库,妥妥的已经写入了
欢迎访问 OceanBase 官网获取更多信息：https://www.oceanbase.com/
浙公网安备 33010602011771号