核心用法
convex-backend 是 LaunchThatBot 官方推出的云端持久化技能，专为 OpenClaw Agent 设计。该技能通过标准 Convex MCP 服务器，将原本存储在本地文件中的 Agent 记忆、每日工作日志和敏感密钥迁移至用户自有的 Convex 云后端。
使用前需完成以下手动配置：创建 Convex 账户并获取项目部署密钥（CONVEX_DEPLOY_KEY），将其配置为本地环境变量。技能首次部署后，需运行 npx convex deploy 将后端函数（memory:addMemory、memory:searchMemory、memory:writeDailyLog 等）部署到用户的 Convex 实例。
日常使用中，Agent 通过 convex.run 调用记忆管理函数实现长期记忆的读写，通过 convex.envSet/envGet 进行密钥的安全托管，支持按 Agent ID 分级命名策略（AGENT_<id>_KEY > AGENT_DEFAULT_KEY > KEY）实现多 Agent 共享与隔离。
显著优点
1. 持久化与容灾：记忆和日志存储在云端 Convex 数据库，完全不受容器重启、本地文件丢失影响。
2. 多 Agent 协作：支持多个 Agent 共享同一 Convex 后端，通过命名空间隔离实现协同工作。
3. 密钥安全升级：敏感信息（API Key、密码等）不再落地本地文件，而是托管于 Convex 环境变量，支持动态读写与权限管理。
4. 结构化日志：每日工作日志按日期索引，支持追加写入和历史回溯，便于 Agent 自我复盘与用户审计。
5. 与 LaunchThatBot 可选解耦：该技能可完全独立于 LaunchThatBot 控制平面运行，用户保留数据主权。
潜在缺点与局限性
1. 手动配置门槛：需要用户自行注册 Convex、创建项目、获取并配置部署密钥，对非技术用户有一定门槛。
2. 网络依赖：所有记忆读写和密钥操作依赖 Convex 云服务可用性，离线场景无法使用。
3. 迁移成本：现有基于本地文件（如 .env、memory.json）的 Agent 需要执行显式迁移流程，存在密钥复制与验证步骤。
4. 成本考量：Convex 免费额度有限，高频写入或大规模数据存储可能产生云服务费用。
5. MCP 桥接复杂度：部分运行环境需通过 mcporter 工具桥接 MCP 调用，增加了调用链路的复杂度。
适合的目标群体
- 需要 Agent 长期记忆跨会话保持的知识工作者与自动化用户
- 运行多 Agent 系统、需要共享记忆池和统一密钥管理的团队
- 对本地文件存储安全性存疑、希望密钥上云的企业用户
- 已使用 Convex 技术栈、希望扩展其用于 AI Agent 场景的开发团队
使用风险
1. 部署密钥泄露风险：CONVEX_DEPLOY_KEY 是访问 Convex 后端的唯一凭证，若泄露可导致数据被窃取或篡改。必须严格遵循「永不存入 Convex env」的安全准则，仅限本地 .env 存储。
2. 依赖项单点风险：技能重度依赖 convex 官方库，需关注其安全更新与版本兼容性。
3. 数据主权与合规：数据物理存储于 Convex 云服务（默认 AWS/GCP 区域），需用户自行评估是否符合 GDPR、数据本地化等合规要求。
4. 迁移阶段数据一致性：从本地 .env 向 Convex 迁移密钥时，若中断或验证失败可能导致新旧系统密钥不一致，建议分阶段验证后再清理本地文件。
5. 网络延迟与可用性：所有记忆检索和密钥读取均为网络调用，高延迟场景可能影响 Agent 响应速度。