企业官网建设流程全解析

Openclaw是目前非常流行的龙虾AI智能体。

Agentic-Memory 是目前非常流行的AI智能体持久化认知图谱记忆系统。

这里尝试基于网络资料，在OpenClaw环境验证Agentic-Memory对话信息记忆功能。

1 agentic memory

1.1 主要功能

Agentic-Memory 是一个为AI智能体设计的持久化认知图谱记忆系统。

目标是解决AI智能体的失忆症，让AI拥有一个可以跨会话、跨模型、持续累积的大脑。

Agentic-Memory将智能体知识存储为一个可导航图结构，保存在一个二进制文件 (.amem) 中。

Agentic-Memory主要解决了以下关键问题：

1）每次对话都从零开始

提供持久的 .amem 记忆文件，即使在重启、更换模型或长时间间隔后，记忆依然存在。

2）向量搜索

只返回相似文本将图遍历、因果路径和决策血缘作为一等查询，能追溯“为什么做出这个决定”。

3）修正会覆盖并抹除历史

通过取代链 (Supersession Chains) 保留旧信念和新信念，提供可审计的变更历史。

4）记忆质量随时间下降

内置质量检查、概念漂移、知识缺口和修订工具，确保记忆的可靠性。

5）长期记忆过于臃肿

采用紧凑的单文件存储，具有实际的多年级生命周期，方便备份和迁移

1.2 主要特性

Agentic-Memory并非简单的对话记录或向量检索。

是一个为AI智能体设计的、结构化的、可追溯且防篡改的长期认知记忆系统。

主要特性如下

1）丰富的记忆类型

能够存储多种信息

事实(Facts)

决策(Decisions)

推理链(Reasoning Chains)

修正 (Corrections)

技能 (Skills)

2）强大的查询引擎

提供16种查询类型，包括

混合搜索 (search)

因果追溯 (traverse)

版本解析 (resolve)

影响分析 (revise)

知识缺口分析 (gaps)

和概念漂移追踪 (drift)

3）多维度索引

为快速检索建立了时间、语义、因果、实体和程序五种索引。

4）防幻觉机制 (Grounding)

提供memory_ground工具，在智能体断言前验证其是否有记忆支撑。

返回已核实/未核实状态及证据。

1.3 mac安装

参考github提供的agentic memory安装说明，

https://github.com/agentralabs/agentic-memory

在mac运行如下安装命令

curl -fsSL https://agentralabs.tech/install/memory/server | bash

过程如下所示

(base) liming@liming-mac ~ % curl -fsSL https://agentralabs.tech/install/memory/server | bash
[################################----] 90% Applying profile setuprd
Daemon auto-install skipped for server profile.
[####################################] 100% Install complete
Install complete: AgenticMemory (server)

Done! Memory defaults to ~/.brain.amem

What happens after installation:
1. agentic-memory was installed as MCP server command: /Users/liming/.local/bin/agentic-memory-mcp-agentra
2. Generate a token (openssl rand -hex 32) and set AGENTIC_TOKEN on the server.
3. If artifacts were created on another machine, sync .amem/.acb/.avis files to this server.
4. Start MCP with auth, connect clients, then restart clients.
5. Optional feedback: open https://github.com/agentralabs/agentic-memory/issues

此时agentic memory应该已经安装成功，目标目录/Users/liming/.local/bin/

为了运行方便，需要将bin下的工具添加到PATH中，具体为vim编辑zshrc文件，即为

vim ~/.zshrc

编辑添加如下内容。

# agentic-memory export AGENTIC_TOKEN=$(openssl rand -hex 32) export PATH=~/.local/bin:$PATH

检查安装文件

检查~/.local/bin下的agentic memory安装文件，示例如下

ls -l ~/.local/bin

结果如下

total 80376
-rwxr-xr-x@ 1 liming staff 3274136 8 3 10:55 agentic-memory-mcp
-rwxr-xr-x@ 1 liming staff 4335 8 3 10:55 agentic-memory-mcp-agentra
-rwxr-xr-x@ 1 liming staff 2442852 8 3 10:55 amem
-rwxr-xr-x@ 1 liming staff 28371136 4 21 09:25 iii
-rwxr-xr-x@ 1 liming staff 7045808 7 30 17:06 iii-console

agentic memory安装文件有agentic-memory-mcp、amem、agentic-memory-mcp-agentra。

2 agentic memory集成

2.1 plugin集成

agentmemory项目官方为OpenClaw提供的原生插件包是agentic-memory-openclaw。

https://www.npmjs.com/package/agentic-memory-openclaw?activeTab=readme

可通过如下命令安装。

openclaw plugins install agentic-memory-openclaw

openclaw agentic-memory setup

然而，该过程要求如下信息，

API key or interpolation template [${AGENTIC_MEMORY_API_KEY}]:

要求agentic-memory本地或远程http部署才能获取到。

这里没有agentic-memory-server，这是因为目前agentic-memory还没有发布对应安装包。

现存agentic-memory的http url由第三方提供，这里不打算用第三方服务。

所以，在目前openclaw环境中是不能按上述plugin插件的方式集成agentic memory。

幸运的是agentic-memory支持以mcp的方式安装，因为有agentic-memory-mcp。

我们这里尝试通过mcp的方式在openclaw中安装和配置agentic-memory。

如果给出mcp安装 agentic-memory通过curl -fsSL https://agentralabs.tech/install/memory/server | bash安装结果如下

2.2 mcp集成

在 OpenClaw 中集成配置agentic-memory-mcp主要有两种方式：

1）使用openclaw mcp命令

2）手动编辑配置文件。

这里采用openclaw mcp命令方式添加。

1）配置记忆

通过openclaw mcp add添加agentic-memory-mcp记忆工具，命令示例如下

openclaw mcp add agentic-memory \ --command agentic-memory-mcp \ --arg serve \ --arg --memory \ --arg ~/.my-brain.amem \ --env AGENT_MEMORY_LOG_LEVEL=debug \ --cwd ~/.openclaw/workspace

这个命令会将agentic-memory-mcp作为一个 MCP 服务器添加到OpenClaw的配置中

这是 OpenClaw 官方推荐的标准方法，用于管理 MCP 服务器定义。

2）验证配置

在添加后，这里进一步检查配置是否正确。

以下是常用的检查指令。

openclaw mcp list # 列出所有已配置的 MCP 服务器
openclaw mcp status # 查看服务器的状态
openclaw mcp doctor # 运行诊断，检查配置是否有问题

运行示例如下所示

(base) liming@liming-mac apps % openclaw mcp list
│
◇
Too many arguments for this command.
Try: openclaw mcp list --help
(base) liming@liming-mac apps %
(base) liming@liming-mac apps % openclaw mcp list
│
◇

🦞 OpenClaw 2026.7.1-2 (0790d9f) — Finally, a use for that always-on Mac Mini under your desk.

OpenClaw-managed MCP servers (/Users/liming/.openclaw/openclaw.json):
- agentic-memory

Note: this command only shows OpenClaw-managed mcp.servers entries and does not include mcporter servers from config/mcporter.json.
(base) liming@liming-mac apps % openclaw mcp status
│
◇

🦞 OpenClaw 2026.7.1-2 (0790d9f) — I'll refactor your busywork like it owes me money.

MCP server status (/Users/liming/.openclaw/openclaw.json):
- agentic-memory: stdio
(base) liming@liming-mac apps % openclaw mcp doctor
│
◇

🦞 OpenClaw 2026.7.1-2 (0790d9f) — Runs on a Raspberry Pi. Dreams of a rack in Iceland.

MCP doctor (/Users/liming/.openclaw/openclaw.json):
- agentic-memory: ok
(base) liming@liming-mac apps %

3）生效配置

配置完成后，最后需要重启网关。

openclaw gateway restart

现在agentic-memory-mcp应该已经成功集成到OpenClaw中了。

3 agentic memory测试

这里采用对话测试的方式，验证agentic memory记忆系统是否生效。

启动 OpenClaw 聊天会话，可以通过如下命令行，也可以通过openclaw聊天界面。

openclaw chat

3.1 存储记忆

直接说

“记住我的名字是李明，我住在北京。”

openclaw如果认为需要保存，会自动调用memory_add工具。

当然，也可以显式要求它使用工具。

“请使用 memory_add 工具保存一条记忆：我的邮箱是 test@example.com”

示例如下

3.2 检索记忆

过一会通过/new指令启动新会话询问“我的名字是什么？” “我的邮箱是什么？”

为确保openclaw使用记忆工具，可以提示通过agentic memory mcp工具，

openclaw此时应该能回忆起之前存储的信息，并给出正确回答，示例如下。

这里显示openclaw正确回答，说明记忆存储和检索成功。

如果openclaw回应“我不知道”，可能存储失败、模式不正确、或者agentic memory优先级不高。

可显式提示openclaw使用agentic memory，提高agentic memory回复时调用优先级。

3.3 额外检查

在发现问题，可以进一步尝试做如下检查。

1）MCP服务日志

实时查看网关日志，检查是否有agentic-memory相关的错误。

openclaw logs --follow

2）记忆文件

默认记忆文件位于~/.brain.amem。

可以查看它是否被创建和更新。

ls -la ~/.brain.amem

cat ~/.brain.amem # 内容

reference

---

agentic-memory

https://github.com/agentralabs/agentic-memory

agentic-memory-openclaw

https://www.npmjs.com/package/agentic-memory-openclaw?activeTab=readme

Mac环境OpenClaw龙虾的初步测试和验证

https://blog.csdn.net/liliang199/article/details/157978016

聊下 OpenClaw 的记忆系统

https://developer.volcengine.com/articles/7622989486974091310

LLM滑动窗口与记忆机制的应用探索

https://blog.csdn.net/liliang199/article/details/158767969

LLM的信息压缩技术的探索

https://blog.csdn.net/liliang199/article/details/158767962

LLM大规模数据的组织检索方法

https://blog.csdn.net/liliang199/article/details/158741006

MCP-与本地大模型集成实现工具调用

https://blog.csdn.net/liliang199/article/details/149865159

OpenClaw Skills -- ClawHub

https://www.runoob.com/ai-agent/openclaw-skills.html

OpenClaw Skills (41,329)

https://clawhub.ai/skills?sort=downloads