OpenClaw记忆系统升级：从memory-core到memory-lancedb-pro的...

最近用 OpenClaw 办事的时候，发现一个问题：龙虾经常丢记忆。比如我让它写一段歌词，它直接就写了，压根没调用 lyric-writer skill。明明 MEMORY.md 里白纸黑字写着「写歌词必须调用 zhheo-lyric-writer skill」，它就是视而不见。

类似的例子还有：让它总结 B 站视频，不调 bilibili-ai-summary；让它下载抖音，不检查 cookie 有效性。每次都要我手动提醒「你忘了调 skill」，然后它才恍然大悟。

折腾了一圈才发现，memory-core 的纯向量检索有时候召回不准，重要的指令被淹没在大量记忆里。换成 memory-lancedb-pro 之后，混合检索 + 重排序，该想起来的终于能想起来了。

这篇文章聊聊我的选择和配置过程。

四种记忆插件对比

OpenClaw 社区里主流的记忆插件有四个：

特性	memory-core	memory-wiki	memory-lancedb	memory-lancedb-pro
存储	SQLite	Wiki格式	LanceDB	LanceDB
检索	纯向量	关键词+向量	纯向量	向量+BM25混合
重排序	无	无	无	Cross-Encoder
智能提取	无	无	无	LLM 6类分类
遗忘机制	无	无	无	Weibull衰减
多作用域	无	无	无	按agent/user/project
管理工具	无	CLI	无	完整CLI+MCP工具
数据迁移	原生	需手动	可迁移	一键迁移

选择 memory-lancedb-pro 的三个理由

1. 混合检索更精准

纯向量搜索有时候会跑偏。比如我搜”删除操作必须用 trash”，纯向量可能返回”删除文件”相关的内容，但不是我想要的那条铁律。

Pro 版用向量 70% + BM25 30% 的混合权重，再经过 Cross-Encoder 重排序，召回精度明显提升。

2. 智能提取和遗忘

旧版只会把对话原文存进去，时间一长全是噪音。Pro 版会用 LLM 自动分类：

profiles：用户画像（技术栈、偏好）
preferences：习惯偏好（代码风格、回复格式）
entities：实体信息（人名、地址、项目名）
events：事件记录（事故、决策）
cases：案例经验（踩坑、解决方案）
patterns：模式识别（常见问题、工作流）

而且有 Weibull 衰减模型，不重要的记忆会自然淡出，不会越用越臃肿。

3. 可控的数据导入

这是最关键的一点。从 memory-core 迁移过来有 4243 条记忆，涉及 387 个文件。Pro 版支持：

canonicalCorpus：自动索引 MEMORY.md 和 memory/*.md
会话记录索引：开启 includeSessionTranscripts
手动导入：通过 migration-manifest.json 批量导入

一句话部署

不想看配置？直接复制这行命令：

1	curl -fsSL https://raw.githubusercontent.com/CortexReach/toolbox/main/memory-lancedb-pro-setup/setup-memory.sh \| bash

脚本会自动检测你的环境、选择 embedding provider、写入配置、重启 Gateway。支持 Jina（免费）、SiliconFlow（国内加速）、OpenAI 等多种 provider。

手动部署方式的配置过程

1. 安装插件

1
2
3

git clone https://github.com/CortexReach/memory-lancedb-pro.git ~/.openclaw/workspace/plugins/memory-lancedb-pro
cd ~/.openclaw/workspace/plugins/memory-lancedb-pro
npm install && npm run build

2. 修改 openclaw.json

{
  "plugins": {
    "slots": {
      "memory": "memory-lancedb-pro"
    },
    "load": {
      "paths": ["/Users/zhheo/.openclaw/workspace/plugins/memory-lancedb-pro"]
    },
    "entries": {
      "memory-lancedb-pro": {
        "enabled": true,
        "config": {
          "embedding": {
            "provider": "openai-compatible",
            "model": "BAAI/bge-m3",
            "apiKey": "your-siliconflow-key",
            "baseURL": "https://api.siliconflow.cn/v1",
            "dimensions": 1024
          },
          "autoCapture": true,
          "autoRecall": true,
          "smartExtraction": true,
          "extractMinMessages": 2,
          "extractMaxChars": 8000,
          "retrieval": {
            "mode": "hybrid",
            "vectorWeight": 0.7,
            "bm25Weight": 0.3,
            "rerank": "cross-encoder",
            "rerankApiKey": "your-siliconflow-key",
            "rerankModel": "BAAI/bge-reranker-v2-m3",
            "rerankEndpoint": "https://api.siliconflow.cn/v1/rerank"
          },
          "canonicalCorpus": {
            "enabled": true,
            "syncOnSearch": true,
            "includeSessionTranscripts": true
          },
          "sessionMemory": {
            "enabled": false
          }
        }
      }
    }
  }
}

3. 数据迁移

从 memory-core 的 SQLite 迁移，我写了个脚本生成迁移清单。Pro 版会自动索引 canonical corpus 中的文件，会话记录通过 includeSessionTranscripts 开启。

迁移完成后 4243 条记忆全部可用。

4. 重启验证

1 2	openclaw config validate openclaw gateway restart

效果对比

切换到 Pro 版后，最明显的变化：

搜”删除”相关规则，能精确找到那条铁律，而不是泛泛的删除操作。新对话中的重要信息会被自动提取和分类。旧的不重要记忆会自然衰减，不会越用越慢。可以手动导入历史数据，索引范围自己定。

GitHub

项目地址：https://github.com/CortexReach/memory-lancedb-pro

社区活跃，Issue 响应及时，文档齐全。如果遇到 CPU 不支持 AVX 的问题，设置 retrieval.disableNativeCosine: true 即可。

总结

如果你只是想让 AI 记住一些偏好，memory-core 够用。但如果你想要更精准的语义检索、自动化的记忆管理、从旧系统平滑迁移、对记忆数据有完全控制权，memory-lancedb-pro 是目前最好的选择。社区维护活跃，文档齐全，迁移工具也完善。

最重要的是，它让你的记忆系统从“黑盒”变成了“白盒”——你知道存了什么、怎么存的、怎么用的。

推荐订阅源

张洪Heo