阿里云 Tablestore 基于 Mem0 为 OpenClaw 构建记忆系统最佳实践

简介: 免注册、云托管、数据自主——这才是真正的"无缝 onboard"。

你的龙虾,是否也有这些“记忆障碍”

用过 OpenClaw 原生记忆的都懂,你的新 Agent 每次对话都从零开始?它不记得你的名字、你的偏好、上次聊了什么?

如果你也有这些经历,是时候升级你的记忆系统了:

  • Compact 后突然失忆 — 正聊着重要的事,龙虾突然忘了一部分
  • 多 Agent 记忆不通 — 每个 Agent 都是"独立脑",需要重复培养
  • 本地 embedding 难部署 — sqlite-vec 配置繁琐,GGUF 模型占用资源
  • 备份迁移困难 — 担心"养了 10 年的龙虾突然挂了"

为什么选 mem0 + Tablestore

我们能帮你把龙虾的记忆实现全自动,无需任何手动操作:

  • 自动记忆 — 每次对话结束后,插件会自动提取对话中的关键信息并保存下来。比如你说"我喜欢用 Python",它就记住了;
  • 自动回忆 — 下次对话开始时,插件会自动搜索相关记忆并注入到上下文中。当你问"帮我写段代码"时,它已经知道你偏好 Python 了。

原生记忆

Tablestore + Mem0 

Compact 后记忆

长内容,易丢失

永久保存

多 Agent 共享

Agent 隔离,无法共享

同一 userId 互通

embedding 部署

本地折腾

云端开箱即用

数据备份

全靠手动

阿里云全托管

数据可见性

数据黑盒

控制台直接查看

记忆查询效率

本地搜索,查询较慢

标量/向量混合索引,豪秒级响应

☁️ 云托管的便捷

  • 免运维 — Tablestore 是阿里云全托管服务,无需自建数据库
  • 开箱即用 — 一句话安装,操作轻便简单
  • 按量计费 — 中小规模场景成本友好

🔐 数据自主可控

  • 数据存在自己账号 — 不是黑盒,可在 Tablestore 控制台直接查看
  • 企业级隔离 — 支持资源隔离、权限管理、监控告警
  • 跨 Agent 共享 — 同一 userId 下,多个 Agent 记忆互通

🧠 智能记忆抽取

  • 自动结构化 — 从对话中提取"姓名、偏好、决策"等事实,不堆积原话
  • 混合召回 — 向量相似度 + 关键词 BM25,既懂语义又懂细节
  • 记忆审计 — memory_list / memory_forget 接口,可查可删


安装步骤

点击文末阅读原文查看详细安装教程:

https://help.aliyun.com/zh/tablestore/use-cases/openclaw-tablestore-memory

手动安装

Step 1|安装插件

openclaw plugins install @tablestore/openclaw-mem0

Step 2|配置 Tablestore

如果你还没有 Tablestore 实例,请先登录 阿里云 Tablestore 控制台:

1. 登录控制台:https://ots.console.aliyun.com

2. 创建实例

3. 获取实例名称、Endpoint、AccessKey

Step 3|配置 OpenClaw

~/.openclaw/openclaw.json 中添加:

{
  "plugins": {
    "entries": {
      "openclaw-mem0": {
        "enabled": true,
        "config": {
          "mode": "open-source",
          "userId": "你的用户ID",
          "oss": {
            "vectorStore": {
              "provider": "tablestore",
              "config": {
                "endpoint": "https://你的实例.cn-hangzhou.ots.aliyuncs.com",
                "instanceName": "你的实例名",
                "accessKeyId": "你的AccessKeyId",
                "accessKeySecret": "你的AccessKeySecret",
                "regionId": "cn-hangzhou"
              }
            },
            "embedder": {
              "provider": "openai",
              "config": {
                "apiKey": "你的API Key",
                "model": "text-embedding-v3",
                "baseURL": "https://dashscope.aliyuncs.com/compatible-mode/v1"
              }
            }
          }
        }
      }
    }
  }
}

Step 4|重启 Gateway

openclaw gateway restart

Step 5|验证

# 搜索记忆
openclaw mem0 search "我的名字"
# 查看统计
openclaw mem0 stats

一键安装

除了手动配置,我们还提供了更简单的方式——一键安装。

向 OpenClaw 发送以下提示词,智能体会自动读取安装说明并引导完成配置:

请阅读https://tablestore-doc.oss-cn-hangzhou.aliyuncs.com/aliyun-tablestore-ai/openclaw/skill.md,并按照说明安装和配置tablestore plugin 用于 OpenClaw。
如果 openclaw plugins install 报 "extract tar timed out"错误,改用以下方式安装:
1. cd /tmp && npm pack @tablestore/openclaw-mem0
2. mkdir -p /tmp/openclaw-mem0-install && tar xzf /tmp/$(ls /tmp/tablestore-openclaw-mem0-*.tgz | head -1 | xargs basename) -C /tmp/openclaw-mem0-install --strip-components=1
3. openclaw plugins install /tmp/openclaw-mem0-install
安装完成后告诉我你能做什么

OpenClaw 会自动读取安装说明,引导你完成以下四步:

  1. 检测 npm registry 并安装插件
  2. 检查 OpenClaw 版本
  3. 配置 openclaw.json
  4. 重启 OpenClaw

实测:龙虾记住了

新开 session,输入:

我是虾博士,喜欢喝奶茶和吃蛋挞

然后换个 session 问:

你知道我是谁吗?喜欢什么?

✅ 龙虾会准确回答!

跨 Session、跨 Agent,记忆持久生效,不是缓存,是真记住了。


最后

如果你的需求是:

  • ✅ 想要云托管的便捷,又不想被黑盒绑架
  • ✅ 想要数据存在自己的阿里云,可控可查
  • ✅ 想要跨 Agent 记忆共享,多设备同步
  • ✅ 想要企业级监控和权限管理

Tablestore + Mem0 = 最佳选择 ☁️🔐

如果你需要更灵活的自定义 Prompt 能力、记忆随时间自动衰减、全量会话记录随账号迁移、企业级多 Agent 记忆抽取/检索,敬请期待后续:Tablestore + AgentRun 记忆存储最佳实践 🔜



来源  |  阿里云开发者公众号


相关文章
|
20天前
|
存储 关系型数据库 分布式数据库
基于PolarDB Mem0 为 OpenClaw 构建高效记忆系统(阿里云开发者)
PolarDB Mem0 是阿里云推出的AI Agent长效记忆托管服务,100%兼容开源Mem0。它通过智能演进(自动去重、冲突消解)、跨端全局同步、多租隔离与企业级管控(存档、遗忘、差异化策略),彻底解决OpenClaw“数字囤积症”“换设备失忆”“毛坯房塌房”三大记忆难题,让Agent真正“越用越懂你”。
200 2
|
1月前
|
存储 人工智能 API
部署 OpenClaw 双层记忆系统实战:Mem0+Qdrant向量检索+Markdown持久化搭建教程
在AI智能体实际使用中,**记忆能力**直接决定体验上限。传统上下文窗口有限、历史对话易丢失、关键信息无法长期留存,导致每次交互都要重复说明需求。OpenClaw结合Mem0与Qdrant构建的**双层记忆体系**,完美解决这一问题:上层基于向量数据库实现语义检索与长期记忆,下层通过Markdown文件做关键数据持久化备份,兼顾检索效率与数据安全。
785 5
|
存储 人工智能 JSON
OpenClaw-Observability:基于 DuckDB 构建 OpenClaw 的全链路可观测体系
为解决OpenClaw等AI Agent“Done”回复背后的黑盒问题,我们基于DuckDB开发了轻量可观测插件:通过Hook采集关键节点事件,建模为结构化Trace链路,异步写入本地或云上DuckDB,提供瀑布图式执行视图、指标分析与安全告警,让Agent从不可见变为可追踪、可解释、可优化。
|
28天前
|
人工智能 开发工具 git
Agent Skills:打通可复用专业领域知识的最后一公里
Agent Skills是Anthropic推出的AI能力标准化框架,将垂直领域专业知识封装为可复用、可版本控制的文件包(含SKILL.md、脚本、模板等),实现“即插即用”的任务执行。它已获微软Azure、GitHub Copilot等平台支持,生态超8.5万技能,被誉为AI时代的“Dockerfile”。
|
1月前
|
存储 人工智能 NoSQL
理解 Agent 记忆:从无状态模型到持久化记忆架构
大语言模型本质无状态,对话历史无法自动留存。Agent需长期记忆支撑连续性任务,但简单堆砌上下文不可行。本文系统阐释Agent记忆的四层架构(工作/情景/语义/程序记忆),及其写入、检索与遗忘机制,并对比Mem0、Letta等主流方案,揭示记忆正成为AI Agent技术栈中独立、标准的关键基础设施。
654 7
理解 Agent 记忆:从无状态模型到持久化记忆架构
|
30天前
|
人工智能 Linux API
OpenClaw 知识库搭建攻略:QMD/向量库/知识图谱三方案+阿里云+本地部署+千问/Coding Plan配置
随着OpenClaw V2026.3.22模块化框架正式成熟,本地知识库与RAG能力已经成为AI智能体从“简单对话”走向“专业可靠”的关键分水岭。单纯依靠大模型上下文已经无法满足长期使用、专业问答、资料检索、低Token消耗的需求。
2065 1
|
27天前
|
人工智能 安全 API
学习笔记:从 Agent 到 Skills — AI 智能体架构的范式转变
报告日期:2026-02-28 关键词: Agent Skills, MCP, OpenClaw, A2A, Agentic AI, 模块化架构
学习笔记:从 Agent 到 Skills — AI 智能体架构的范式转变
|
1月前
|
人工智能 运维 安全
拒绝重复造轮子!抽象 80% 工作场景,打造可复用的"AI 助手工厂”
当每个业务场景都需要一个AI助手时,我们是在埋头苦干、重复造轮子,还是选择打造一条“AI助手生产线”?本文深入探讨智空间团队如何将执行、答疑、排查、极简场景四大高频需求抽象为可复用的技术方案,最终实现让业务方“配”助手而不是“开发”一个助手。
拒绝重复造轮子!抽象 80% 工作场景,打造可复用的"AI 助手工厂”
|
28天前
|
人工智能 运维 Cloud Native
深大智能:基于阿里云 MSE 实现云原生高可用微服务架构,释放运维人力拥抱 AI 时代
深大智能全面拥抱阿里云,通过微服务引擎 MSE 构建新一代云原生微服务体系,重点解决四大痛点。
360 24
|
2月前
|
人工智能 弹性计算 数据可视化
2026年小白零基础OpenClaw(Clawdbot)部署接入企业微信喂饭级教程
2026年,OpenClaw(原Clawdbot,曾用名Moltbot)凭借“开源可控、插件化拓展、自然语言驱动”的核心优势,已成为企业数字化办公的核心AI工具,尤其在企业微信生态中,能够实现消息自动回复、办公流程自动化、数据汇总统计、多场景协作等功能,被广大企业用户称为“高效AI办公助手”。相较于传统办公模式,OpenClaw可大幅减少人工重复操作,将员工从繁琐的事务性工作中解放出来,专注于核心业务,尤其适合中小企业、创业团队及零基础用户快速落地AI办公场景。
1592 1