目前许多 AI memory 项目都已经意识到：Memory ≠ Retrieval。

因为真正成熟的 AI memory，很可能会更接近一个持续演化的知识系统， 能够压缩经验、更新事实、并解决矛盾。

而这背后的核心问题，其实只有一个： 我们应该如何在 AI 系统中，表示“记忆”本身。

PowerMem 是什么？

PowerMem 1.0.0：一个开源的智能记忆系统。

为 LLM 按需召回关键事实，Token 用量可降至全量上下文的 18%。

有没有这种体验：聊到第 50 轮，AI 突然问“您贵姓？”。或者昨天刚交代过偏好，今天又从头问起。

这不是模型“笨”，而是它真的没有跨会话的记忆。

全量上下文方案代价高：推理变慢，Token 成本线性增长，上下文越长，模型对中间内容的注意力越差（中心衰减），回答质量反而下降。

OceanBase PowerMem [1] 是基于 *Apache 2.0*[2] 协议的开源智能记忆系统，为 LLM 和多智能体应用提供持久化记忆层。

它从对话中提炼关键事实并持久化，过时的自动遗忘，需要时精准召回。

核心能力：

• 混合检索：向量、全文、知识图谱三路齐发——你模糊地说“上次那个项目”，或精确搜“Q1 预算”，都能找对
• 艾宾浩斯遗忘曲线：模拟人类遗忘规律，近期常用的优先，过时的自然淡出——就像人记得常去的餐厅，却忘了上周的菜单，AI 的“记忆”也该学会取舍
• 智能记忆抽取：大模型自动从对话里“划重点”——去重、冲突更新、相关合并，省得你手动整理
• 多智能体支持：每个 Agent 有自己的“记忆本”，需要时还能跨 Agent 共享——团队协作，记忆也能协作
• 多模态：文本、图片、音频都能存、都能查，不止会记文字

我们在 LOCOMO ^[3] 基准（学术界用于衡量 AI 长对话记忆能力的标准数据集，模拟多轮长对话考察历史信息召回）上做了评测，PowerMem 对比全量上下文方案。

简单说：同样是记住长对话里的关键信息，PowerMem 用不到 1K token 就能逼近全量 26K token 的召回效果：

| 指标 | PowerMem | 全量上下文 | 提升 |

| :--- | :--- | :--- | :--- |

| 准确率 | 78.70% | 52.9% | +48.77% |

| p95 延迟 | 1.44s | 17.12s | 降低 91.83% |

| Token 用量 | ~0.9K | ~26K | 节省 96.53% |

OpenClaw 默认每轮都把整份记忆文件塞进上下文——好比每次聊天都要背一本越写越厚的笔记本。

PowerMem 插件把它换成了“会话前按需检索、会话后智能抽取”：只带和当前话题相关的那几页，用完再往本子里记几条新笔记。

落到真实场景验证：我们在 OpenClaw ^[4]上做了对比测试。

效果如何？我们直接看数据：

同等任务下，PowerMem 插件的 Token 消耗仅为默认方案的 18%——原来要背整本书，现在带一页摘要就够了。

#

为什么发布 1.0.0 版本？

v1.0.0 API 与集成方式正式定型，从“可用”进入“可落地”阶段。这个版本同时交付了两层能力：

• CLI（ pmem ）作为操作面：人和 Agent 共用的执行入口，支持编排和脚本化
• Dashboard 作为认知面：记忆的可视化、分布分析与健康监控，把数据变成判断依据

Agent 需要低摩擦接入的操作面，人需要理解全局的认知面，两层同时存在产品才完整—— CLI 是 Agent 的“手”，Dashboard 是人的“眼”。这个分层背后的思考，我们将另行专文展开。

OpenClaw 记忆插件已上线 ClawHub

我们为 OpenClaw ^[5] 打造的 PowerMem 长期记忆插件 memory-powermem ^[6] 已发布。安装后 OpenClaw 就能告别“金鱼记忆”，自动捕捉对话关键信息，后续会话中智能召回——再也不用每轮背整本笔记了。

图：ClawHub 中一键安装 PowerMem 记忆插件

一键安装： 通过 ClawHub ^[7] Skill 直接安装，点一下，下载、配置、切换槽位全自动搞定：

https://clawhub.ai/Teingi/install-powermem-memory ^[8]

手动安装：喜欢自己折腾？三步搞定：

1. 安装并启动 PowerMem 服务：

pip install powermem
# 在配置好 .env 的目录下启动
powermem-server --host 0.0.0.0 --port 8000

1. 安装插件到 OpenClaw：

openclaw plugins install memory-powermem

1. 修改 OpenClaw 配置（ ~/.openclaw/openclaw.json），将 memory 槽位切换到本插件：

{
  "plugins": {
    "slots": { "memory": "memory-powermem" },
    "entries": {
      "memory-powermem": {
        "enabled": true,
        "config": {
          "baseUrl": "http://localhost:8000",
          "autoCapture": true,
          "autoRecall": true,
          "inferOnAdd": true
        }
      }
    }
  }
}

重启 OpenClaw gateway 后执行 openclaw ltm health 确认连通即可。

插件的原理解析与完整配置指南，我们稍后将通过另一篇公众号文章为大家介绍。

PowerMem v1.0.0 新内容一览

操作面：CLI（ **pmem** ）

CLI 与 SDK、HTTP API 共用同一套配置（ .env）和存储，是 Agent 与脚本的编排入口——想加记忆、查记忆、管记忆，敲命令就行。

pip install powermem  # 或 uv add powermem
# 记忆操作
pmem memory add "用户偏好深色模式" --user-id user123
pmem memory search "用户偏好" --user-id user123
pmem memory list --user-id user123 -l 20
# 配置管理（交互式向导，无需手抄 .env）
pmem config init
# 统计与运维
pmem stats --json
pmem manage backup -o backup.json
pmem manage cleanup --dry-run
# 交互式 Shell
pmem shell

完整命令覆盖 memory（增删改查）、config（查看/校验/测试/初始化）、stats（统计）、manage（备份/恢复/清理/迁移）、shell（交互式命令行 REPL），支持 bash/zsh/fish 补全。详见 CLI 使用指南 ^[9]。

图： _pmem__ CLI 命令演示_

认知面：Dashboard

基于同一套 HTTP API 的 Web 可视化界面，记忆多少、谁在用、分布如何、系统健康与否，一眼看清。v1.0.0 做了多项修复与体验优化。

powermem-server --host 0.0.0.0 --port 8000
# 浏览器访问 http://localhost:8000/dashboard/

图：Dashboard 记忆统计与健康监控界面

多种接入方式

PowerMem v1.0.0 提供五种接入方式，共用同一套配置与存储。

1. Python SDK ^[10]（三行起步，告别“金鱼记忆”）：

from powermem import Memory, auto_config
config = auto_config()
memory = Memory(config=config)
memory.add("用户喜欢喝咖啡", user_id="user123")
results = memory.search("用户偏好", user_id="user123")

1. CLI：终端直接操作，脚本化和 Agent 编排首选
2. HTTP API ^[11]：RESTful + Swagger 文档 + API Key 鉴权，面向任意语言
3. MCP Server ^[12]：支持 Model Context Protocol ^[13]（MCP，模型与外部工具通信的开放协议），Claude Desktop 等 MCP 客户端可直接读写记忆
4. Dashboard：Web 可视化，记忆统计与分析

立即体验

三行命令，让 OpenClaw 从“健忘”变“记事儿”：

pip install -U powermem
# 或
uv add powermem
pmem --version

• GitHub：github.com/oceanbase/powermem ^[14]
• PyPI：pypi.org/project/powermem ^[15]
• Discord：加入社区 ^[16]
• Issues / Discussions：反馈与交流 ^[17]

图：PowerMem 核心亮点一览

参考资料

[1] PowerMem: https://github.com/oceanbase/powermem

[2] Apache 2.0: https://github.com/oceanbase/powermem/blob/master/LICENSE

[3] LOCOMO: https://arxiv.org/abs/2306.07174

[4、5] OpenClaw: https://openclaw.ai/

[6] memory-powermem: https://github.com/ob-labs/memory-powermem

[7] ClawHub: https://clawhub.ai

[8] https://clawhub.ai/Teingi/install-powermem-memory: _https://clawhub.ai/Teingi/install-powermem-memory

[9] CLI 使用指南: https://github.com/oceanbase/powermem/blob/master/docs/guides/0012-cliusage.md_

[10] Python SDK: https://github.com/oceanbase/powermem/blob/master/docs/guides/0001-gettingstarted.md_

[11] HTTP API: https://github.com/oceanbase/powermem/blob/master/docs/api/0005-apiserver.md_

[12] MCP Server: https://github.com/oceanbase/powermem/blob/master/docs/api/0004-mcp.md

[13] Model Context Protocol: https://modelcontextprotocol.io/

[14] github.com/oceanbase/powermem: https://github.com/oceanbase/powermem

[15] pypi.org/project/powermem: https://pypi.org/project/powermem

[16] 加入社区: https://discord.com/invite/74cF8vbNEs

[17] 反馈与交流: https://github.com/oceanbase/powermem/discussions