摘要：
本文介紹如何為開源個人AI助手 Moltbot（原 ClawdBot）集成基於 OceanBase 技術棧的長期記憶插件 PowerMem。通過 HTTP API 對接，PowerMem 為 Moltbot 提供智能信息抽取、艾賓浩斯遺忘曲線調度及多智能體隔離的記憶能力，顯著增強其上下文持久化與自主決策水平，實現更類人的“數字員工”體驗。
Moltbot 是什麼？
Clawdbot（後更名為 Moltbot，又更名為 OpenClaw）是一款開源、以通訊為核心的AI智能體項目，運行在你自己的設備上，通過你已有的渠道（WhatsApp、Telegram、Slack、Discord、Google Chat、Signal、iMessage、Teams、WebChat 等）和你對話，支持語音、Canvas、多代理路由等。
簡單點説：Moltbot 最大的特點是不僅能回答問題，更能真正“動手”操作你的電腦系統，執行命令、控制瀏覽器、管理文件，就像一個 7 x 24 小時在線的 “數字員工”。
官網 ：https://www.molt.bot/
github 地址：https://github.com/moltbot/moltbot
Moltbot 部署
方式一：NPM 全局安裝
方式二：源代碼安裝
上面兩種安裝方式二選一，因為我是走的源代碼安裝：
- pnpm moltbot onboard --install-daemon 初始化
- 同意風險提示
這裏會讓你確認風險。Moltbot 功能強大，能執行系統命令、讀寫文件、控制瀏覽器，但這也意味着如果配置不當或被濫用，可能會帶來安全風險，請謹慎使用。
- 選擇快速開始
- 配置 AI 模型授權，我手裏頭有qwen的
- 啓動web
問個小問題：“查一下我的電腦型號”，很快 moltbot 回覆了我機器的具體型號，雖然任務非常簡單，但是還是挺驚喜的，距離“賈維斯”又進了一步了。
Moltbot 的原生記憶解讀
Moltbot 的持久記憶可以概括為：「Markdown 文件為單一事實來源 + 可選向量/混合檢索」。
存儲形態：純 Markdown 文件
事實來源：模型「記得」的內容 = 寫入磁盤的 Markdown；不依賴模型內部狀態。
默認佈局（在 workspace 下，如 ~/clawd）：
memory/YYYY-MM-DD.md：按日期的日誌，僅追加；會話開始時讀「今天 + 昨天」。
MEMORY.md（可選）：長期、人工可維護的記憶；只在 main 私聊 session 加載，羣聊不加載。
也就是説：
短期、按天的記錄 → memory/YYYY-MM-DD.md
長期、精選事實 → MEMORY.md
持久化完全靠「寫進這些文件」，而不是靠對話歷史本身。
寫入時機與「記憶沖刷」（Memory Flush）
平時：模型通過 工具（如 write、edit）或技能，把要記住的內容寫到 MEMORY.md 或 memory/YYYY-MM-DD.md。
自動沖刷：當 session 快觸發自動 compaction 前，Moltbot 會跑一輪 靜默的 agent 回合，專門提醒模型「把該持久化的東西寫進記憶文件」，並鼓勵用 NO_REPLY 不回覆用户，避免用户看到這次內部回合。
觸發條件由 agents.defaults.compaction.memoryFlush 控制，例如在「剩餘 token ≈ softThresholdTokens」時觸發；每輪 compaction 只做一次 flush，並在 sessions.json 裏記 memoryFlushCompactionCount 等，避免重複。
相關代碼在 src/auto-reply/reply/memory-flush.ts：
shouldRunMemoryFlush()：根據當前 token、context 上限、reserve、softThreshold 判斷是否該 flush。
若 workspace 只讀（如 sandbox workspaceAccess: "ro"），則不做 flush。
檢索層：向量 + 可選 BM25 混合檢索
數據流
實現方式
插件控制：默認使用 memory-core 插件（可設 plugins.slots.memory = "none" 關掉）。
工具：
memory_search：對 MEMORY.md 和 memory/*.md 做語義檢索（按 ~400 token 分塊、80 token 重疊），返回片段 + 文件路徑 + 行號；可選開啓 BM25 + 向量 的混合檢索。
memory_get：按路徑（及可選 from/lines）讀取 MEMORY 或 memory 下的文件片段，供在檢索後精確拉取，控制上下文長度。
向量索引：
對MEMORY.md 和 memory/*.md 建索引；索引按 agent 存於 ~/.clawdbot/memory/.sqlite（路徑可配）。
支持遠程 embedding（OpenAI、Gemini 等）或本地模型（如 GGUF）；可選 sqlite-vec 做向量加速。
文件變更有 watcher（debounce），索引異步更新；若 embedding 模型/端點等變化，會整庫重建索引。
混搜權重分配
最終分數的計算公式非常簡單（src/memory/hybrid.ts）：
這意味着：
向量搜索和文本三七開：最終得分 = 0.7×向量分 + 0.3×文本分（歸一化後），偏重語義。
候選池放大 4 倍：先取 maxResults × 4 的候選再合併、排序、截到 maxResults，提高最終 Top‑N 質量。
Moltbot + powermem 方案
有 PowerMem VS 沒有 PowerMem
集成 powermem 方案
集成方式：已插件的方式進行集成
集成方式：新增插件 extensions/memory-powermem，通過 HTTP 調用 PowerMem 已啓動的 API 服務；不把 PowerMem 作為庫嵌入 Moltbot 進程。
部署：用户需單獨啓動 PowerMem（如 powermem-server --host 0.0.0.0 --port 8000 或 Docker），並在 Moltbot 配置中填寫 baseUrl（及可選 apiKey）。
代碼結構
代碼地址：https://github.com/ob-labs/moltbot-extension-powermem
在 Moltbot Agent 裏會暴露這些能力：
memory_recall — 按查詢搜索長期記憶
memory_store — 寫入一條記憶（可選是否智能抽取）
memory_forget — 按記憶 ID 或按搜索條件刪除
使用 powermem 插件
Step1: 前置條件
已安裝 Moltbot（CLI + gateway 能正常用）
PowerMem 服務：需要單獨安裝並啓動（見下文兩種方式，任選其一）
若用 PowerMem 的「智能抽取」：需在 PowerMem 的 .env 裏配置好 LLM + Embedding 的 API Key（如通義千問 / OpenAI）
Step2：把本插件裝進 Moltbot
在你本機執行（路徑改成你實際克隆的目錄）：
安裝成功後，可用 moltbot plugins list 確認能看到 memory-powermem。
Step3：配置 Moltbot 使用本插件
編輯 Moltbot 的配置文件（常見位置：~/.clawdbot/config.json 或項目裏的 moltbot.json），在 根級 增加或合併 plugins 段，並把記憶槽指向本插件，並寫上 PowerMem 的地址。
示例（JSON）：
説明：
baseUrl：PowerMem 的 HTTP 地址，不要加 /api/v1，就寫 http://localhost:8000 或你的實際主機/端口。
若 PowerMem 開了 API Key 鑑權，在 config 裏增加 "apiKey": "你的key"。
改完配置後重啓 Moltbot gateway（或重啓 Mac 菜單欄應用），配置才會生效。
Step4：驗證插件與 PowerMem 連通
在終端執行：
若輸出裏沒有報錯、能看到健康狀態，説明插件已連上 PowerMem。
Step5: 測試手動寫入 + 搜索
我們來簡單測試一下,用手動寫入驗證數據庫是否有數據
若搜索能返回剛寫的那條（或類似內容），説明「安裝 PowerMem → 安裝插件 → 配置 Moltbot」全流程已打通。
下面是執行結果：
看一眼數據庫,妥妥的已經寫入了
歡迎訪問 OceanBase 官網獲取更多信息：https://www.oceanbase.com/
