让 AI 记住一切:MemOS Local Skill 上手指南
AI 记忆是提升人机交互体验的关键技术。记忆的持久性— 对话不会在每次结束时消失记忆的可用性— 相关信息能被自动检索到更重要的是,它完全本地存储,数据永不丢失。对于注重隐私的用户来说,这是一个值得尝试的方案。
让 AI 记住一切:MemOS Local Skill 上手指南
副标题:开源 AI Agent 的本地记忆方案,数据永不丢失
⏱️ 阅读时长:6分钟
📖 开篇
你有没有遇到过这种情况?
和 AI 聊了好几天,你们之间已经建立了某种"默契"。你教过它你的工作习惯,它记得你喜欢的表达方式;你们一起攻克过某个难题,它知道你是怎么思考的。
然后第二天——
「你好,我是你的 AI 助手。」
一切归零。
这种感觉,就像每次见面都要重新自我介绍的朋友。说实话,挺累的。
MemOS Local Skill 就是来解决这个问题的。
01 · MemOS Local Skill 是什么?
MemOS Local Skill 是一个专为 OpenClaw 设计的本地记忆系统插件。
它的核心功能很简单:
让 AI 在每次对话结束时自动保存对话内容,下次对话时自动检索相关记忆。
跟传统的"上下文窗口"不同,MemOS 把对话内容存到本地 SQLite 数据库,实现真正的"长期记忆"。
关键特性
- 100% 本地存储 — 数据永远不会离开你的电脑
- SQLite 数据库 — 持久化保存,永久有效
- 自动记忆 — 对话结束后自动保存,不需要手动操作
- 语义检索 — 基于向量搜索,能找到语义相关的内容
- 跨 Agent 共享 — 可以设置公共记忆,让多个 Agent 共享同一份记忆池
02 · 工作原理
MemOS Local 的工作流程分为两部分:
写入阶段
每次对话结束后,MemOS 会:
- 提取对话内容 — 把用户说的和 AI 回答的核心内容提取出来
- 语义向量化 — 把文字转换成数学向量,存入数据库
- 摘要归档 — 生成对话摘要,方便以后快速检索
检索阶段
每次新对话开始时,MemOS 会:
- 语义搜索 — 用当前对话内容在记忆库中搜索相关内容
- 结果注入 — 把最相关的记忆片段自动注入到 AI 上下文中
- 参考回复 — AI 基于记忆给出更个性化的回答
整个过程对用户完全透明,不需要手动触发。
03 · 安装配置
MemOS Local Skill 支持 OpenClaw,安装步骤很简单。
环境要求
- Node.js >= 18.0.0
- OpenClaw >= 2026.2.0
- Linux/macOS/Windows 均可
安装命令
# 安装插件
openclaw plugins install @memtensor/memos-local-openclaw-plugin@latest
# 安装依赖(部分系统需要)
cd ~/.openclaw/extensions/memos-local-openclaw-plugin
npm install
npm rebuild better-sqlite3
# 重启网关
openclaw gateway restart
配置检查
安装完成后,运行 openclaw status 确认:
Memory │ enabled (plugin memos-local-openclaw-plugin)
memos-local: initialized (db: ~/.openclaw/memos-local/memos.db)
如果看到类似输出,说明安装成功。
04 · 实际体验
说了这么多,实际用起来是什么感觉?
场景一:跨天连续工作
第一天
用户:帮我写一篇关于 AI 记忆的文章
AI:好的,我来帮你规划一下文章结构…
第二天
用户:继续昨天那篇文章
AI:根据昨天的讨论,我们确定了三部分框架:开篇、原理、安装配置。要继续完善哪一部分?
AI 自动记住了"昨天讨论的内容"和"文章框架",不需要用户重新说明背景。
场景二:建立个人偏好
某次对话
用户:以后写技术文章,语气要自然一点,少用"首先""其次"这种套话
之后的对话
用户:帮我写个技术方案
AI:(按照用户偏好,用更口语化的风格撰写)
用户说过一次"偏好",AI 就记住了。之后每次写作都会自动参考这个偏好。
场景三:多 Agent 协作
MemOS 支持"公共记忆"功能。
比如你有两个 Agent:一个负责写作,一个负责技术。它们可以共享一份"项目背景",写作 Agent 写的方案,技术 Agent 能直接理解上下文。
# 向公共记忆写入共享信息
memory_write_public(
content="这是一个电商项目,核心需求是提升转化率,团队使用敏捷开发"
)
05 · 数据管理
查看记忆
MemOS 提供了 Memory Viewer 管理界面。
在浏览器打开:
http://127.0.0.1:18799
你可以:
- 查看所有保存的记忆
- 搜索特定话题
- 删除不需要的记忆
- 导出记忆备份
数据存储位置
所有数据存在本地:
~/.openclaw/memos-local/memos.db
数据库是 SQLite 格式,可以用任何 SQLite 工具打开查看。
数据迁移
如果换电脑,只需要把 memos.db 文件拷贝到新电脑的对应位置即可。
# 导出
cp ~/.openclaw/memos-local/memos.db ~/backup/memos-2026-03-18.db
# 导入(新电脑)
cp ~/backup/memos-2026-03-18.db ~/.openclaw/memos-local/memos.db
06 · 与其他方案对比
AI 记忆方案有很多,MemOS Local 的优势在哪里?
| 方案 | 存储位置 | 数据安全 | 配置复杂度 | 适用场景 |
|---|---|---|---|---|
| MemOS Local | 本地 SQLite | ⭐⭐⭐⭐⭐ | 中等 | 注重隐私的用户 |
| MemOS Cloud | 云端 | ⭐⭐⭐ | 简单 | 多设备同步 |
| OpenAI Memory | 云端 | ⭐⭐ | 简单 | ChatGPT 用户 |
| 手动存档 | 本地文件 | ⭐⭐⭐⭐ | 麻烦 | 零成本方案 |
07 · 适用人群
MemOS Local 适合以下场景:
适合:
- 对数据隐私有要求,不希望对话上传云端
- 需要长期跟踪的项目,AI 需要记住项目背景
- 多 Agent 协作,需要共享上下文
- 重度 AI 用户,每天有多轮对话
不太适合:
- 临时性、一次性的问答场景
- 对隐私要求不高,且需要多设备同步的用户(更适合 Cloud 版)
08 · 常见问题
Q:安装后没生效怎么办?
A:确认两点:
- 运行
openclaw status查看 memory 是否 enabled - 重启网关
openclaw gateway restart
Q:记忆搜索不准确怎么办?
A:MemOS 支持调整搜索阈值:
minScore参数可以控制召回率- 分数越高,要求越严格
Q:可以删除特定记忆吗?
A:可以。打开 Memory Viewer(http://127.0.0.1:18799),找到对应的记忆条目删除即可。
Q:支持多设备同步吗?
A:MemOS Local 是本地方案,不支持多设备同步。如果需要同步,考虑 MemOS Cloud 版。
结语
AI 记忆是提升人机交互体验的关键技术。
MemOS Local 解决了两个核心问题:
- 记忆的持久性 — 对话不会在每次结束时消失
- 记忆的可用性 — 相关信息能被自动检索到
更重要的是,它完全本地存储,数据永不丢失。对于注重隐私的用户来说,这是一个值得尝试的方案。
📚 参考来源
- MemOS 官方 GitHub: https://github.com/MemTensor/MemOS
- MemOS Local Plugin: https://github.com/MemTensor/MemOS-Local-OpenClaw-Plugin
- MemOS 官网: https://memos.openmem.net
- OpenClaw 官方: https://docs.openclaw.ai
📝 作者信息
| 项目 | 内容 |
|---|---|
| 作者 | 胡小纯 |
| 发布日期 | 2026-03-18 |
| 联系作者 | hu–xiaochun(微信) |
| 个人主页 | http://胡小纯.cn / http://xn–yets91feqb.cn/ |
更多推荐


所有评论(0)