云原生数据仓库AnalyticDB：基于Mem0的OpenClaw长记忆方案

步骤 1：开通 OpenClaw 实例（可选）

1. 购买服务器实例：

   • 访问 轻量应用服务器购买页面。

   • 地域：选择AnalyticDB for MySQL集群所在的地域，以确保后续可以进行高效的内网通信。

   • 镜像：在应用镜像中搜索并选择 OpenClaw。

   • 套餐配置：为确保稳定运行，推荐选择 通用型 4核16GB 或更高规格。

   • 根据您的需求选择购买时长和数量，然后单击立即购买。

2. 初始化 OpenClaw 应用：

   • 等待实例状态变为运行中后，单击实例ID进入服务器概览页。

   • 切换到应用详情选项卡，根据页面指引，依次完成端口放通和配置OpenCLaw。

   • 在应用详情 > 模型配置模块，可进行大模型的配置。

3. 开通内网互通：

   • 在左侧导航栏中，选择内网互通。

   • 单击内网互通按钮。此操作将打通轻量应用服务器与您同一地域下的其他阿里云服务（如AnalyticDB for MySQL）之间的内网连接，这是实现低延迟、高安全性访问的关键。

步骤 2：安装插件并重建依赖

在实例详情的顶部，单击远程连接，即可通过浏览器直接登录到服务器的命令行终端。

• 检查 Python 版本，插件需要 Python 3.8+ 版本：

  # 查看 Python 版本
  python3 --version

• 安装 Python 3.9（可选），如果当前版本低于 3.8，执行以下命令安装：

  # 安装依赖
  sudo yum install gcc openssl-devel bzip2-devel libffi-devel zlib-devel --disablerepo=docker-ce-stable
  
  # 下载并安装 Python 3.9
  cd /tmp
  curl -O https://www.python.org/ftp/python/3.9.18/Python-3.9.18.tgz
  tar xzf Python-3.9.18.tgz
  cd Python-3.9.18
  ./configure --enable-optimizations
  sudo make altinstall
  
  # 验证安装
  python3.9 --version
  
  # 创建软链接
  sudo ln -sf /usr/local/bin/python3.9 /usr/bin/python3
  
  # 再次验证
  python3 --version

• 安装插件：

  openclaw plugins install @adbm-ai/openclaw-mem0

• 重新编译 better-sqlite3，删除并重新安装基于 Python 3.9 编译的 better-sqlite3：

  cd ~/.openclaw/extensions/openclaw-mem0
  rm -rf node_modules/better-sqlite3
  npm install better-sqlite3 --build-from-source

步骤 3：配置 openclaw.json

这是最关键的一步。服务器的命令行终端，打开 ~/.openclaw/openclaw.json 文件，找到（或添加）"openclaw-mem0" 配置项，并根据您的环境填入以下信息。

• 打开配置文件

  编辑 ~/.openclaw/openclaw.json 文件。安装完成后，在 plugins 和 entries 中可以看到 openclaw-mem0 字段。

  

• 配置说明

  参数	说明
  mode	设置为 "open-source"，代表使用自建 Mem0。
  userId	记忆用户标识，实现记忆共享与租户隔离。建议一个 OpenClaw 实例对应一个唯一的 userId。
  llm.provider	固定值，dashscope，阿里云百炼。
  llm.config.apiKey	使用阿里云百炼平台的Api Key。
  llm.config.baseURL	https://dashscope-intl.aliyuncs.com/compatible-mode/v1。
  llm.config.model	使用阿里云百炼平台支持的模型，推荐qwen3.5-plus。
  embedder.provider	固定值，dashscope，阿里云百炼。
  embedder.config.apiKey	使用阿里云百炼平台的Api Key。
  embedder.config.url	https://dashscope-intl.aliyuncs.com/compatible-mode/v1。
  embedder.config.model	推荐使用text-embedding-v4。
  embedder.config.embeddingDims	建议1536维。
  vectorStore.provider	固定值，aliyun-adb-mysql。
  vectorStore.config.host	内网连接使用AnalyticDB for MySQL的vpc 地址，公网连接使用AnalyticDB for MySQL的公网地址。
  vectorStore.config.port	数据库端口，3306。
  vectorStore.config.database	openclaw_adb，数据库名，如不存在/不指定会自动创建，无需修改。
  vectorStore.config.user	创建的AnalyticDB for MySQL账号名，账号需要读写权限。
  vectorStore.config.password	创建的账号密码。
  vectorStore.config.collectionName	openclaw_mem0_adb，记忆存储的表名。

• 配置示例

  "openclaw-mem0": {
    "enabled": true,
    "config": {
      "mode": "open-source",
      "userId": "alice",
      "oss": {
        "llm": {
          "provider": "dashscope",
          "config": {
            "apiKey": "sk-2fa2a****cef0",
            "baseURL": "https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
            "model": "qwen3.5-plus"
          }
        },
        "embedder": {
          "provider": "dashscope",
          "config": {
            "model": "text-embedding-v4",
            "embeddingDims": 1536,
            "apiKey": "sk-2fa2a****cef0",
            "url": "https://dashscope-intl.aliyuncs.com/compatible-mode/v1"
          }
        },
        "vectorStore": {
          "provider": "aliyun-adb-mysql",
          "config": {
            "host": "amv-0jl1****41.ads.aliyuncs.com",
            "port": 3306,
            "database": "openclaw_adb",
            "user": "your-user-name",
            "password": "your-password",
            "collectionName": "openclaw_mem0_adb"
          }
        }
      }
    }
  }

• 重启服务

  openclaw gateway restart

  配置完成后，可以看到openclaw-mem0已成功加载。

基础使用

• 启动对话

  openclaw tui

• 示例 1：主动添加记忆

  请记住，我购买了阿里云的 OpenClaw 服务器，过期时间是 2026 年 4 月 16 日。

• 示例 2：查询记忆

  我近期有什么事情需要注意？

CLI 命令行操作

• 执行openclaw mem0 search "openclaw" 查看记忆

  openclaw mem0 search "openclaw"

• 同时支持的CLI 命令如下

  # Search all memories (long-term + session)
  openclaw mem0 search "what languages does the user know"
  
  # Search only long-term memories
  openclaw mem0 search "what languages does the user know" --scope long-term
  
  # Search only session/short-term memories
  openclaw mem0 search "what languages does the user know" --scope session
  
  # Stats
  openclaw mem0 stats
  
  # Search a specific agent's memories
  openclaw mem0 search "user preferences" --agent researcher
  
  # Stats for a specific agent
  openclaw mem0 stats --agent researcher

Multi-Agent 长记忆隔离

OpenClaw 的 Multi-Agent 场景中，Mem0 + AnalyticDB for MySQL 方案支持多个 Agent 的长记忆隔离。

• 步骤 1：创建 Agent

  # 添加 writer agent
  openclaw agents add writer --workspace ~/.openclaw/workspace-writer --model bailian/qwen3.5-plus --non-interactive
  
  # 重启 Gateway
  openclaw gateway restart
  
  # 验证 agent 列表
  openclaw agents list

• 步骤 2：与 Agent 交互

  运行 openclaw tui，切换agent 到 writer 并进行交流。

  

• 步骤 3：搜索特定 Agent 的记忆

  openclaw mem0 search "科幻小说推荐" --agent writer

• 步骤 4：验证记忆隔离

  新建一个新的 agent reader

  # 添加 reader agent
  openclaw agents add reader --workspace ~/.openclaw/workspace-reader --model bailian/qwen3.5-plus --non-interactive
  
  # 搜索 reader 的记忆（应为空）
  openclaw mem0 search "科幻小说推荐" --agent reader

  可以看到，不同 Agent 的记忆是相互隔离的。