Neuromem Cloud

OpenClaw 是一个开源的 AI Agent 框架，支持丰富的插件生态和 MCP 协议。然而，它的原生记忆系统基于 Markdown 文件，存在一些根本性的局限。

原生记忆的问题

OpenClaw 默认的记忆方案是将上下文压缩到 Markdown 文件中。这个方案虽然简单，但有几个关键短板：

上下文压缩会丢失记忆：当对话超过上下文窗口，压缩过程中细节不可避免地被丢弃
无法跨会话记忆：每次新会话启动，之前的记忆需要重新加载，且没有语义搜索能力
不能发现模式：纯文本存储无法从历史对话中提炼行为模式和用户特征
没有知识图谱：事实之间的关联关系无法被捕获和利用

neuromem 为 OpenClaw 提供了一套完整的记忆增强方案。

OpenClaw + neuromem 记忆闭环

用户发送消息

Agent 收到新的对话输入

Auto-Recall 注入记忆

搜索相关记忆 + 特征，注入工作记忆

Agent 生成回复

基于记忆增强的上下文生成个性化回答

Auto-Capture 存储

自动提取事实、事件、三元组并存储

Auto-Digest 反思

会话结束时发现行为模式，生成特征

两种集成方式

方式一：MCP 直连（零代码）

OpenClaw 原生支持 MCP 协议，只需在配置文件中添加 neuromem 作为 MCP 服务器：

// ~/.openclaw/mcp.json
{
  "mcpServers": {
    "neuromem": {
      "url": "https://api.neuromem.cloud/mcp/",
      "headers": {
        "Authorization": "Bearer ${NEUROMEM_API_KEY}"
      }
    }
  }
}

这样 Agent 就可以直接使用 neuromem 的全部 MCP 工具，包括 ingest、recall、digest 等，无需任何代码改动。

方式二：OpenClaw 插件（自动化）

对于需要自动化记忆操作的场景，neuromem 提供了专用的 OpenClaw 插件。配置方式如下：

// ~/.openclaw/plugins.json
"openclaw-neuromem": {
  "enabled": true,
  "config": {
    "apiKey": "${NEUROMEM_API_KEY}",
    "mode": "one-llm",
    "autoRecall": true,
    "autoCapture": true,
    "autoDigest": "session-end",
    "topK": 10,
    "includeTraits": true
  }
}

三个自动钩子

插件通过 OpenClaw 的生命周期钩子实现完全自动化的记忆管理：

Auto-Recall（回复前注入记忆）

在 Agent 生成回复之前，插件自动搜索 neuromem 中与当前消息相关的记忆和特征。搜索结果会被格式化后注入到 Agent 的工作记忆中，让 Agent 的回复更加个性化和连贯。当 includeTraits 开启时，用户的行为特征也会一并注入。

Auto-Capture（回复后存储）

在 Agent 生成回复之后，插件自动将用户消息存储到 neuromem。在 ONE LLM Mode 下，流程是：

调用 ingest 存储内容，获取 extraction_prompt
将提取提示交给 OpenClaw 当前的 LLM 执行
调用 ingest_extracted 回传结构化数据（事实、事件、三元组）

Auto-Digest（会话结束提炼特征）

当会话结束时，插件自动触发反思流程：

调用 digest 获取未反思的记忆和反思提示
让 OpenClaw 的 LLM 执行反思，生成行为洞察
调用 digest_extracted 存储新发现的特征

五个显式工具

除了自动钩子，插件还暴露了 5 个显式工具供 Agent 主动调用：

工具	说明
`neuromem_recall`	语义搜索记忆，支持向量 + 图谱 + 特征结果
`neuromem_store`	显式存储一条记忆
`neuromem_digest`	手动触发行为模式分析
`neuromem_list`	浏览已存储的记忆
`neuromem_forget`	删除指定记忆

ONE LLM Mode 支持

插件默认使用 ONE LLM Mode，复用 OpenClaw 自带的 LLM 完成记忆提取和反思。这意味着：

不需要为 neuromem 配置额外的 LLM API Key
零额外 LLM 成本
提取质量与 OpenClaw 使用的模型一致

对比原生方案

OpenClaw 原生 vs neuromem 插件

记忆能力	OpenClaw 原生	neuromem 插件
跨会话记忆	△	✓ 完整语义搜索
行为模式发现	✗	✓ 自动 digest
知识图谱	✗	✓ 内建，始终开启
情绪追踪	✗	✓ 效价 + 唤醒度
特征生命周期	✗	✓ 6 阶段生命周期
额外 LLM 成本	无	无（ONE LLM）
多用户隔离	✗	✓ 按 Space 隔离

记忆能力雷达图

OpenClaw 原生 vs neuromem 插件的能力对比（满分 10）

neuromem 不替代 OpenClaw 的原生记忆，而是增强它。让你的 Agent 不只是记住对话内容，还能真正理解用户。

OpenClaw Plugin: Give Your Agent Real Memory