核心用法
MemClaw 是专为 OpenClaw 设计的高级语义记忆插件，通过三级分层检索架构（L0 摘要层约100 Token、L1 概览层约2000 Token、L2 完整层全内容）实现智能记忆管理。用户可通过 cortex_search 快速查找信息、cortex_recall 获取深度上下文、cortex_add_memory 保存重要信息，并在任务完成后主动调用 cortex_close_session 触发记忆提取。
显著优点
- 精准检索：三层语义匹配兼顾效率与准确性，L0 快速过滤、L1 上下文精炼、L2 精确匹配
- 低 Token 消耗：分层摘要设计避免读取完整内容，显著降低 API 调用成本
- 持久记忆：相比内置记忆提供更丰富的上下文保留能力
- 零外部依赖：纯本地处理，数据存储于用户本地目录，无需 Docker 环境
- 自动服务管理：Qdrant 向量数据库与 cortex-mem-service 随插件安装自动配置
潜在局限
- 配置门槛：首次使用需完整配置 LLM 与 Embedding 参数，否则服务无法正常启动
- 手动会话管理：OpenClaw 不会自动提取记忆，用户必须主动调用
cortex_close_session - 服务依赖：需确保 Qdrant（6333/6334端口）与 cortex-mem-service（8085端口）正常运行
- 迁移成本：现有 OpenClaw 记忆需通过
cortex_migrate手动迁移
适合人群
- 需要长期上下文保持的多轮对话开发者
- 对Token 成本敏感的企业用户
- 注重数据隐私、要求本地化处理的技术团队
- 使用 OpenClaw 进行复杂项目管理的进阶用户
常规风险
- 配置错误导致服务失效：不完整的 LLM/Embedding 配置会直接阻断工具调用
- 记忆提取遗漏：未及时关闭会话导致重要上下文丢失
- 服务端口冲突：Qdrant 或 cortex-mem-service 端口被占用可能引发连接错误
- 版本兼容性：需保持 OpenClaw Gateway 与插件版本同步更新