两个独立的 OpenClaw ，是否能在不进行人工复制粘贴信息的情况下，通过 MemOS OpenClaw 插件共享上下文，自动接力完成任务？

为什么需要跨 OpenClaw 协作？

实际使用中，你可能会遇到需要和别人的 OpenClaw 分工协作的场景：

• 我的 OpenClaw 完成了创意设计和文案撰写（装了设计工具、文案模板），需要同事 B 的 OpenClaw 接受项目，完成后续的执行落地（连接了项目管理系统、审批流程）。
• 传统做法： 我的 OpenClaw 产出方案后，还得手动把内容复制给 B 的 OpenClaw，并附上背景信息。来回切换，一切都变得很麻烦。

今天我们来一起尝试通过 MemOS 插件进行两个独立 OpenClaw 的记忆共享和项目协作 ～

背景设置：

• OpenClaw A：负责创意设计与文案产出
• OpenClaw B：负责后续项目的执行落地
• 两个 OpenClaw 用同一个 user_id 连接 MemOS
• 验证能否自动交接上下文，实现"信息接力"

（后续，MemOS OpenClaw 插件将支持知识库，支持通过不同的 user_id 快速实现。）

上手步骤

1. 获取 MemOS API Key

登录/注册 MemOS Cloud 获取你的 API Key：
memos-dashboard.openmem.net/cn/apikeys/

2. 部署两个 OpenClaw

在两台服务器（或同一台的不同端口）分别执行：

mkdir -p ~/.openclaw && echo "MEMOS_API_KEY=mpg-..." > ~/.openclaw/.env

3. 安装 MemOS Cloud OpenClaw 记忆插件

openclaw plugins install github:MemTensor/MemOS-Cloud-OpenClaw-Plugin
openclaw gateway restart

4. 启用"共享记忆"进行协作任务

默认配置 MEMOS_USER_ID=openclaw-user。

MemOS 如何实现跨实例共享？

记忆隔离机制：

MemOS 通过 user_id 区分/隔离不同的记忆。同一个 user_id 下的所有对话和产出都存在同一个记忆池里。

召回机制：

当 A OpenClaw 启动时：

1. 用户提问触发 MemOS 检索；
2. MemOS 分析问题意图（比如"项目进展"、“风控检查”）；
3. 从 user_id 记忆池中检索相关内容；
4. 找到 A OpenClaw 之前产出的方案；
5. 将这些记忆注入 B OpenClaw 的上下文；
6. B OpenClaw 基于完整上下文做出响应。

写回机制：

A 和 B 的产出都会自动写回 MemOS：

• 不需要手动保存；
• 不需要指定存储格式；
• 自动分类和索引；
• 支持后续检索。

Demo 效果演示

我们用一个常见日常场景进行测试：

• 假设 A OpenClaw 已知我的家里有一只小猫和具体品种；
• 现在我们希望需要 B OpenClaw 直接推荐合适的罐头。

立刻体验 ～

通过统一的 user_id 关联，A 和 B OpenClaw 实现了跨会话的语义对齐与无损任务接力。

****验证结果：

• ✓ B 能准确读取 A 的产出；
• ✓ B 能基于完整上下文进行专业评估；
• ✓ A 能读取 B 的反馈并优化方案；
• ✓ 全程无需人工复制粘贴信息；
• ✓ 信息传递无损耗。

核心能力验证：

MemOS OpenClaw 插件能够有效充当分布式 Agent 的"外部长效记忆"，为多 OpenClaw 智能体协作提供稳定的记忆共享与上下文传递能力。

还等什么？立刻体验、试用、反馈 ～

---

关于 MemOS

MemOS 为 AI 应用构建统一的记忆管理平台，让智能系统如大脑般拥有灵活、可迁移、可共享的长期记忆和即时记忆。

作为记忆张量首次提出“记忆调度”架构的 AI 记忆操作系统，我们希望通过 MemOS 全面重构模型记忆资源的生命周期管理，为智能系统提供高效且灵活的记忆管理能力。