核心用法
memclaw-maintance 是 MemClaw 记忆系统的配套运维技能，专注于安装部署、配置管理和维护操作，与日常使用的 memclaw 技能形成明确分工。用户通过本技能可完成插件安装、API密钥配置、服务健康检查、数据迁移及定期维护等全生命周期管理任务。
核心操作包括：执行 openclaw plugins install @memclaw/memclaw 完成插件安装；在 openclaw.json 中启用 MemClaw 并禁用原生 memorySearch；配置 LLM 和 Embedding 的 API 密钥与端点；通过 HTTP 端点验证 Qdrant（6333/6334端口）和 cortex-mem-service（8085端口）服务状态；调用 cortex_migrate 将原有 OpenClaw 记忆迁移至 L2 格式；使用 cortex_maintenance 执行 prune、reindex、ensure-all 等维护命令。
显著优点
架构清晰：与日常使用技能分离，避免操作混淆，维护任务集中管理。
本地化优先：所有记忆数据存储于本地用户目录（macOS/Linux/Windows 均支持），无需 Docker，依赖项自动准备，保障数据主权与隐私安全。
零信任安全设计：API 密钥标记为 sensitive，仅向配置的 LLM/Embedding 服务商传输，不泄露至第三方。
平滑迁移支持：提供 cortex_migrate 工具，自动识别 OpenClaw 原生记忆文件并转换为分层向量格式，保留历史数据。
自动化运维：维护命令支持 Cron 定时调度，也可手动触发，prune/reindex/ensure-all 组合覆盖常见运维场景。
潜在缺点与局限性
配置门槛较高：需手动编辑 JSON 配置文件，理解 LLM 与 Embedding 的双端配置，对非技术用户不够友好。
服务依赖复杂：需同时维护 Qdrant 向量数据库和 cortex-mem-service 两个后台服务，端口冲突或服务异常可能影响可用性。
平台差异维护：Windows/macOS/Linux 数据路径不同，跨平台备份恢复需额外注意路径映射。
无云端同步：纯本地架构虽保障隐私，但也限制了多设备同步能力，需用户自行解决备份策略。
重启依赖：配置变更后必须重启 OpenClaw Gateway，中断当前会话。
适合的目标群体
- OpenClaw 重度用户：需要替代原生记忆、追求精准检索与低 Token 消耗的专业用户
- 技术型开发者：熟悉 JSON 配置、API 密钥管理，具备基础运维能力的工程人员
- 隐私敏感场景：企业内网部署、数据合规要求严格、禁止云端记忆存储的组织
- 长期记忆需求：需要跨会话持久化丰富上下文、构建个人/团队知识库的研究者或知识工作者
使用风险
配置风险：API 密钥误配置或泄露可能导致 LLM 服务商的额度异常消耗；openclaw.json 若被误分享，敏感密钥面临暴露风险。
服务稳定性：Qdrant 或 cortex-mem-service 进程异常将导致记忆功能不可用，需熟悉日志排查与重启流程。
数据一致性：强制终止迁移进程或维护任务可能导致 L0/L1/L2 分层数据不一致，建议操作前备份。
版本兼容性：MemClaw 与 OpenClaw 版本不匹配可能引发插件加载失败，需关注官方更新说明。
资源占用：向量索引构建与重建会占用显著 CPU/内存，大规模记忆库建议在闲时执行维护任务。