AI 助手有了＂潜意识＂:OpenClaw Active Memory 插件实测,每条消息自动回忆上下文

你有没有遇到过这种场景？

“上周你帮我配的那个服务，参数是什么来着？”

“抱歉，我找不到之前的记录了。”

每次开新会话，AI 助手就像失忆了一样。你得反复解释背景，反复说”记住这个”。

根本原因：大多数记忆系统是”被动”的。 它们等着 AI 自己决定什么时候去搜记忆，或者等你手动说”搜索一下记忆”。但往往等你想起来的时候，那个让回复显得自然流畅的时机已经过去了。

Active Memory 是什么？

OpenClaw 的 Active Memory 插件解决的就是这个问题。

一句话概括：每条消息到达后、AI 回复前，自动跑一个”记忆子代理”去检索相关记忆，然后把结果注入上下文。

你不需要说”搜一下记忆”，不需要说”你还记得吗”。它就像人类的潜意识一样——在你还没意识到需要回忆的时候，记忆就已经到位了。

实测：从空手到有料

我花了一个下午完整测试了这个插件，经历了三轮调优，数据说话：

第一轮：默认配置（recent + balanced，15秒超时）

教训：默认 15 秒超时对中文大模型来说太紧了。

第二轮：激进配置（full + recall-heavy，25秒超时）

效果有了，但每条消息多等 12 秒，有点肉疼。

第三轮：最佳平衡（recent + balanced，25秒超时 + 独立快速模型）

✅ 速度和效果的完美平衡点。

怎么配置？三分钟搞定

第一步：编辑 openclaw.json

在 plugins 部分添加：

{
  "plugins": {
    "allow": ["active-memory"],
    "entries": {
      "active-memory": {
        "enabled": true,
        "config": {
          "enabled": true,
          "agents": ["main"],
          "allowedChatTypes": ["direct"],
          "queryMode": "recent",
          "promptStyle": "balanced",
          "timeoutMs": 25000,
          "maxSummaryChars": 220,
          "model": "your-fast-model",
          "modelFallbackPolicy": "default-remote",
          "persistTranscripts": false,
          "logging": true
        }
      }
    }
  }
}

第二步：关键参数解读

queryMode（查询模式）——控制子代理能看到多少对话：

promptStyle（提示风格）——控制多积极返回记忆：

第三步：重启网关

openclaw gateway restart

第四步：验证效果

在对话中输入：

/verbose on

然后随便聊几句，回复底部会出现类似：

🧩 Active Memory: ok 842ms recent 34 chars
🔎 Active Memory Debug: Lemon pepper wings with blue cheese.

看到 status=ok 就说明成功了！

三个避坑指南

坑一：超时

现象： 日志里全是 status=timeout

解决： 把 timeoutMs 从默认的 15000 改到 25000。中文模型推理本身就慢，别跟它较劲。

坑二：插件不在 allowlist

现象： 网关启动时警告 plugin disabled (not in allowlist)

解决： 在 plugins.allow 数组里加上 "active-memory"。

坑三：独立模型配置

现象： 默认继承主会话模型，可能太慢或太贵

解决： 加 "model": "your-fast-model" 指定一个轻量快速模型。记忆搜索不需要最强模型，够快够准就行。

对比：开启前 vs 开启后

什么时候不该用？

• • 自动化任务/内部 worker：不需要个性化
• • 一次性 API 调用：没有持久会话
• • 对延迟极度敏感的场景：多 5 秒不可接受
• • 记忆库还是空的：巧妇难为无米之炊，先用一段时间积累数据

我的最终配置

经过实测，这是我推荐的”最佳实践”配置：

{
  "queryMode": "recent",
  "promptStyle": "balanced",
  "timeoutMs": 25000,
  "model": "fast-model-name"
}

理由：

• • recent 模式速度够快，对话积累后召回率不错
• • balanced 风格不会太激进也不会太保守
• • 25 秒超时足够中文模型完成推理
• • 独立快速模型节省主模型 token 开销

写在最后

Active Memory 这个插件解决的不是一个技术问题，而是一个体验问题。

当你跟 AI 助手聊天时，你期望的不是一个每次都要你从头解释的工具，而是一个记得你说过什么、了解你偏好、能自然接上话的伙伴。

从被动记忆到主动记忆，这可能是 AI 助手从”工具”走向”伙伴”的关键一步。

你的 AI 助手，该有潜意识了。