OpenClaw本地记忆，数据不出门

你跟AI聊了三个月，它还是不认识你。

每次开新对话，从零开始。你说过的偏好、讲过的背景、反复强调的注意事项——全没了。就像雇了一个患了失忆症的员工，每天上班都要重新自我介绍。

OpenClaw 自带的记忆功能不是没有，但有几个问题：数据存在云端、隐私控制有限、检索能力弱。如果你处理的是敏感业务，或者网络条件不稳定，它就不太够用。

openclaw-mem 是个本地方案。数据放你自己机器上，离线也能用，检索比默认方案强得多。

它到底做了什么

一句话：在你本地装一个小型记忆数据库，AI 说过的、学到的、你告诉它的，都存进去，下次对话自动捞出来用。

技术上，它用 SQLite 存原始记录，用 LanceDB 做向量索引，两个一起用能实现"关键词搜 + 语义搜"的混合检索。

但你不用懂这些。你只需要知道：

· 它跑在本地，数据不出你的机器

· 它是旁路式的，不替换 OpenClaw 原有功能，只是在旁边加了一层

· 它能记住对话细节，不只是项目结构，是真正的"对话记忆"

和 byterover 有什么区别

上篇讲了 byterover，这里容易搞混，说清楚：

byteroveropenclaw-mem
记什么项目结构、技术栈、约定对话内容、用户偏好、任何细节
存哪里项目目录下本地 SQLite
检索方式加载整棵上下文树关键词+语义混合检索
适合场景代码项目切换长期个人助手、隐私场景

简单说：byterover 记的是"项目知识"，openclaw-mem 记的是"你这个人"。

三个最有感知的使用场景

场景一：你是 freelancer，同时服务多个客户

每个客户的行业背景、沟通风格、特殊要求都不一样。以前要么自己记，要么每次开对话重新说一遍。

装了 openclaw-mem 之后，AI 自动积累每个客户的上下文。你跟它聊"那个做电商的客户"，它知道你在说谁，知道这个客户的要求是什么。

场景二：你不希望数据上云

医疗、法律、财务——有些行业对数据存储有要求，或者你就是不想把对话记录交给第三方服务。

openclaw-mem 全程本地，SQLite 文件就在你自己电脑上，你可以随时看、随时备份、随时删。

场景三：你的网络不稳定

记忆功能依赖网络的话，断网就完了。本地方案不存在这个问题，飞机上、偏远地区、内网隔离环境都能正常用。

怎么装

这个插件不是从 ClawHub 装的，需要手动安装。

第一步：克隆仓库

git clone https://github.com/phenomenoner/openclaw-mem.git
cd openclaw-mem

第二步：安装依赖

需要先装 uv（Python 包管理工具，比 pip 快很多）：

pip install uv

然后：

uv sync --locked

第三步：启动 Sidecar

uv run python -m openclaw_mem start

Sidecar 启动后在后台运行，OpenClaw 会自动发现它。

第四步：在 OpenClaw 里开启

打开 OpenClaw 设置，找到 Memory 部分，把后端切换到 openclaw-mem。或者直接在对话里说：

切换记忆后端到 openclaw-mem

第一次用：主动存几条

刚装好数据库是空的，可以主动告诉它一些基础信息：

记住：我是做 Python 后端开发的，常用框架是 FastAPI，代码风格偏简洁，不喜欢过度封装

记住：我们公司的数据库都用 PostgreSQL，不要建议我用 MySQL

之后的对话里，这些偏好会自动生效，不用每次重说。

如果想看已经存了什么：

uv run python -m openclaw_mem status

想搜索某条记忆：

uv run python -m openclaw_mem search "Python 风格"

一个小提醒

openclaw-mem 的"自动捕获"功能（autoCapture）默认是关的，需要手动开启。开启后它会在每轮对话后自动提取有价值的信息存进库里。

开启方式在配置文件里：

[engine]
autoCapture = true
autoRecall = true

开了之后基本就不用管它，它自己在后台干活。

小结

如果你在意隐私、需要离线支持，或者对默认记忆功能不满意，openclaw-mem 是目前最干净的本地方案。

数据自己的，检索靠谱，上手也不复杂。

下一篇讲 capability-evolver——一个能让 AI 自己给自己升级的元技能，用的时间越长越聪明，有点邪门。