Memori — Agent 长期记忆 SDK

为 OpenClaw Agent 提供结构化的长期记忆能力——自动捕获对话上下文，Agent 主动回忆，跨会话持久化。

功能介绍

Memori 解决了 AI Agent 最大的痛点之一：对话结束即遗忘。与简单的文本记忆文件不同，Memori 使用专业 SDK 实现结构化存储和智能检索。

核心设计理念：Agent 控制记忆，而非记忆注入 Agent。

传统做法是将记忆自动注入 prompt，导致上下文膨胀。Memori 采用完全不同的范式——提供显式工具让 Agent 自主决定何时、如何检索记忆：

• memori_recall：根据查询检索相关记忆片段，Agent 在需要时主动调用
• memori_recall_summary：获取记忆摘要，快速了解历史上下文
• memori_feedback：对记忆质量进行反馈，帮助系统优化存储策略

关键特性：

• 项目隔离：通过 projectId 划分记忆空间，不同项目/工作区的记忆互不干扰
• 防止上下文膨胀：不再自动注入记忆到 prompt，Agent 按需检索，保持上下文精简
• 自动捕获：对话内容自动存入 Memori，无需手动记录
• 智能压缩：检索结果自动压缩为紧凑格式，最大化信息密度
• 行为规则：Agent 不会在不知道某事时直接声称不知道，而是先检查记忆再回答

安装步骤

# 通过 ClawHub 安装
clawhub install memori

配置

在 OpenClaw 配置文件中添加：

{
  "memori": {
    "projectId": "your-project-id",
    "apiKey": "your-memori-api-key"
  }
}

使用示例

安装后，Agent 在需要时自动调用记忆工具：

用户：上次我们讨论的架构方案是什么？
Agent → 调用 memori_recall("架构方案") → 检索到相关记忆 → 回答

用户：总结一下我们之前的交流
Agent → 调用 memori_recall_summary() → 获取摘要 → 回答

行为规则：

• Agent 不会在不知道某事时直接声称不知道，而是先检查记忆
• 记忆检索是显式和有意的，防止上下文窗口膨胀
• 摘要和反馈通过专用工具完成，确保检索结果紧凑且相关

对比 Stash/MCP Memory：Memori 强调 Agent 主动控制检索时机而非自动注入，适合需要精细管理上下文窗口的高级场景。v1.0.8 新增结构化记忆、Agent 控制回忆和更严格的行为规则。

ClawHub: https://clawhub.ai/skills/memori (333 下载, 1 星)