自动捕捉、智能提取、混合检索、反思沉淀、自我改进
普通智能体最大的问题之一是失忆。每次新会话都要重新解释偏好、日程背景、家庭情况、工作重点和之前已说过的结论。
复杂事情中犯过的错误，下次还可能再犯。不同助理之间缺少稳定的共享上下文。
MyMem 解决的就是这个问题——让智能体随着使用时间变长，越来越理解你。
MyMem 把长期记忆当成一个会演化的系统来设计——自动捕捉、智能提取、混合检索、反思沉淀、噪声过滤、生命周期维护和自我改进在同一个闭环里工作。
对话中自然产生的偏好、决策和经验被自动识别和结构化，无需手动保存任何内容。
向量语义检索 + BM25 关键词命中 + 重排序模型二次排序，结合多粒度文本和意图识别。
L0 一句话索引、L1 结构化概览、L2 完整叙事——按场景选择不同粒度，既快又不丢细节。
重要记忆升至核心层，低价值内容降级归档。综合时间、访问、重要性和反馈信号动态调整。
相似记忆自动去重，新事实替换旧事实并保留关联，冲突记忆被标记降权，避免信息污染。
用户纠正、工具失败和成功案例反馈纳入持续学习，从真实使用中沉淀偏好和可复用方法。
六类记忆模型、知识/经验双通道隔离、三层摘要结构——这不是简单标签，而是一整套记忆工程体系。
用户看到的是"助理刚好想起来了关键内容"，背后是一整条记忆工程流水线。
从对话中检测有价值的记忆信号
LLM 结构化提取为六类记忆
LanceDB 混合索引写入
语义 + 关键词 + 意图多路融合
跨编码器精排最相关结果
控制体积，去噪去重后注入
不是机械保存一切，而是提炼对未来有价值的长期记忆。
如果你希望智能体越用越懂你的工作，MyMem 就是为这个目标设计的。
经常开启新会话但希望保留连续上下文，让助理理解你的生活方式、工作节奏和长期偏好。
使用多个专用助理能力时，保持稳定的共享上下文，不同助理之间信息不丢失。
跟踪计划、习惯、关系和阶段目标的长期进展，让助理成为你的个人项目经理。
把错误、修复和成功经验沉淀下来，形成可复用的做事方法，避免重复踩坑。
把仓库克隆到 OpenClaw 插件目录，填入模型凭据，即可开始使用。默认配置已按实际场景调好。
{
"plugins": {
"load": {
"paths": ["/root/.openclaw/workspace/plugins/mymem"]
},
"slots": {
"memory": "mymem"
},
"entries": {
"mymem": {
"enabled": true,
"config": {
"embedding": {
"model": "text-embedding-v4"
},
"llm": {
"baseURL": "${LLM_API_URL}",
"apiKey": "${LLM_API_KEY}"
},
"retrieval": {
"rerankModel": "qwen3-rerank"
}
}
}
}
}
}
embedding 负责向量化 ·
llm 负责智能提取与反思 ·
retrieval 负责重排序