OpenClaw 最近大家一定都体验过了！但如果你真用过一阵子，会发现两个问题：
- Token 烧得太快了。 OpenClaw 能干很多长尾任务，代价是每次运行都烧一大堆 Token。让它监督屏幕、定时跑任务、处理复杂流程时，Token 消耗快到肉疼。
- 记忆功能不太行。 是的，很多人说 OpenClaw 的 Memory 比 ChatGPT 好。实际用下来你会发现：它确实记住了一些东西，但往往不是你想要的。关键偏好可能忘了，无关紧要的闲聊倒是记得一清二楚。
现在，MemOS OpenClaw 插件上线啦！我们将教你用 MemOS OpenClaw 插件解决这三个痛点：
- 大幅降低 Token 消耗 - 智能检索相关记忆，不盲目加载所有历史；
- 让记忆真正有用 - 专业的记忆分类和管理，记住该记的，忘掉该忘的；
- 保持 OpenClaw 的核心优势 - 跨端操控、主动交互、拟人化体验都在。
为什么现在 OpenClaw 是 Token 杀手？
OpenClaw 现在的问题
第 1 次对话: 500 tokens
第 2 次对话: 500 + 800 = 1,300 tokens
第 3 次对话: 1,300 + 600 = 1,900 tokens
第 10 次对话: 超过 10,000 tokens
当你让 OpenClaw 监督屏幕、执行长任务、定时运行时，这个数字增长得更快。
OpenClaw 原生记忆的三个硬伤
OpenClaw 的记忆存在本地 md 文件里，分为全局记忆和每日记忆。听起来不错，实际用起来有三个绕不开的问题：
1. 全局记忆会爆炸： 全局记忆多了，上下文就爆炸。而且这些记忆会一直干扰当前对话，你只是想问个简单问题，它却把你三个月前说过的所有话都翻出来。
2. 每日记忆召回困难： 每日记忆多了，总是召回困难。你想知道前一天做了什么，还要专门额外走一次召回流程。跨会话记忆几乎很难维持。
3. 记忆靠模型主动记录： OpenClaw 的记忆是让模型自己去做记录，而非自动记录。这意味着它会漏掉很多事情——你和它说了，它转眼就忘了。
我自己遇到过好几次：明明跟它强调过某个项目配置，第二天重新开始对话，它完全不记得，又要重新解释一遍。
当你集成 MemOS OpenClaw 插件之后：
每次只检索 3-5 条相关记忆
上下文稳定在 2,000-3,000 tokens
无论对话多长，成本可控。
MemOS 插件可以帮助你的 OpenClaw：
- 自动记住所有对话 - 不依赖模型主动记录，不会漏掉关键信息；
- 精准召回 - 根据当前任务意图检索相关记忆，不会把无关的历史都塞进来；
- 记住用户偏好 - 专门分类存储偏好信息，跨会话依然有效。
MemOS OpenClaw 重构了 Token 消耗模型，让成本从"历史长度函数"变为"任务相关性函数"。你的本地 OpenClaw 成本变得可控，系统也更稳定。
上手教程
按照以下步骤操作，即可在几分钟内让 Agent 具备记忆能力。
MemOS Cloud 两步安装
1. 快速启动 (Quick Start)
只需 3 步，即可让你的 Agent 具备基础记忆能力。
1.1 安装 OpenClaw
确保你的系统中已安装 OpenClaw 环境：
# 安装最新版
npm install -g openclaw@latest
# 初始化并配置启动
openclaw onboard
2 获取并配置 API Key
2.1 获取 Key
登陆/注册 MemOS Cloud 获取你的 API Key
🔗 MemOS Cloud：memos-dashboard.openmem.net/cn/apikeys/
![22.png]()
2.2 设置变量
终端中一键完成最简配置：
mkdir -p \~/.openclaw && echo "MEMOS\_API\_KEY=mpg-..." > \~/.openclaw/.env
2.3 安装插件并测试
2.3.1 安装
openclaw plugins install github:MemTensor/MemOS-Cloud-OpenClaw-Plugin
openclaw gateway restart
2.3.2 插件会自动开始运行
- 运行前: 从 MemOS Cloud 检索相关记忆并注入上下文；
- 运行后: 将本次对话保存至 MemOS Cloud。
![33.jpg]()
现在，我们就完成配置啦！可以开始进行测试了 ～
开源项目进阶配置
如果希望进一步解锁更多可能性，还可以通过 MemOS Github 项目进行进一步探索和配置！
环境变量深度定制
除了必需的 API Key，你还可以通过环境变量调整插件行为：
![44.png]()
更多细节配置项可以见 MemTensor GitHub 官方插件仓库：
https://github.com/MemTensor/MemOS-Cloud-OpenClaw-Plugin
测试记忆功能
现在，可以与你的 Agent 进行多轮对话，例如:
第一次会话:
- "我最喜欢的编程语言是 Python"；
- "我正在开发一个电商项目"。
第二次会话(新启动):
- "你还记得我喜欢用什么编程语言吗?"；
- "我之前说的项目进展如何?"。
现在，你的 OpenClaw 会从 MemOS Cloud 中检索记忆并给出准确回答啦 ～
![55.png]()
在 MemOS 后台查看记忆
1. 记忆管理与可视化
🔗 登录 MemOS Dashboard：
memos-dashboard.openmem.net/quickstart/
你可以直接在后台进行以下操作：
- 查看/删除 已存储的特定记忆条目；
- 分析记忆结构，查看 Agent 是如何对你的偏好进行分类的；
- 导出历史，管理你的会话记录。
2. 工作原理说明
插件在后台会自动执行以下逻辑：
1. 运行前 (Pre-run)： 自动从 MemOS Cloud 检索与当前对话相关的上下文并注入。
2. 运行后 (Post-run)： 提取本次对话的核心信息并持久化保存至 MemOS Cloud。
你也可以尝试通过修改配置参数，来打造专属于你的更好的 OpenClaw 本地助手！
🎉 恭喜！你已成功为 OpenClaw 添加了持久化记忆能力。现在你的 Agent 可以真正"记住"与用户的每一次交互，提供更加个性化和智能的服务。
致谢
感谢 GitHub 开发者 @anatolykoptev 贡献 MemOS OpenClaw 插件的代码 ～
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。
