夜雨聆风今天在网上看到一个吐槽OpenClaw的图片
聊着聊着，突然提示上下文压缩，然后失去记忆了，像老年痴呆一样。除了失忆，还有个问题，就是喜欢磨洋工。
叫小龙虾干活，长时间运行，没啥成果，反而还消耗大量token。
你可能疑惑，为什么小龙虾在别人手中那么牛逼，我用起来体验却是那么差？
其实小龙虾产品的理念是牛逼的，但是还是需要折腾点配置。
我给你总结目前社区两大解决方案：用最好的模型，或者自己找到合适的 Skill。
但这两个方案都不是很现实👇：
1. 用一个好的模型：token费用比找个大学生花的还多。
2. 找合适的 Skill：花时间而且不一定搞得定。
研究很久，我发现一个免费的开源项目：能节省近 49%token， 而且自动生成 Skill，越用越聪明。
下面就开始教你如何安装。
安装本地记忆系统
openclaw plugins install @memtensor/memos-local-openclaw-pluginopenclaw gateway --force
配置设置
因为需要节省 token，所以需要配置一个 embedding 模型。我选择了硅基流动的接口，这种模型费用相比大模型费用不是很高。
具体配置如下面
里面需要填入的参数： 地址：
https://api.siliconflow.cn/v1
模型：BAAI/bge-m3
配置完这个后，需要配置摘要模型，这个主要是用来总结对话时候产生 SOP 和宝贵经验的。
下面直接给出截图和参数：
里面需要填入的参数： 地址：
https://api.deepseek.com/v1
模型：deepseek-chat
接下来配置，Skill 生成模型，其实不配置没有关系，主要是这里配置好点的模型，生成的 Skill 好点。
配置到这一步后，我们就可以使用功能了。
这个的本质就是给小龙虾外接一个聪明的大脑，但一开始聪明的大脑记忆空白，如何发挥实力呢？
不急，下面我们进行记忆移植。
将小龙虾的记忆移植外部，避免记忆消失
我有一个小龙虾的社群，里面有不少朋友小龙虾用着用着，就用不了的。但是重装，又舍不得里面的记忆。
下面的记忆移植功能，可以将记忆移动到外部，这样重装时候就有没顾虑了。
切换到导入面板，安装下面的步骤，移植记忆
移植了记忆，但是如何让它少使用 token和变得聪明呢？
答案是按照下面图片操作：
上面两个步骤，将会触发记忆优化和自动进化 Skill 功能，让你的龙虾变得聪明！！！
为什么？ 首先节约了比 OpenAI Memory 准确率高 43.70%，节省 35.24% 记忆 Token，节省下来的钱可以用更好的模型。
其次，自动生成 Skill，解决了普通人不会创建 Skill 的问题。
你可能会说，只有导入时候自动优化吗？平常使用的时候能不能自动优化记忆。
答案是肯定的，下面我就为你解密。
外置 openclaw 的记忆后，这个本地的开源项目安装如下步骤实现自动进化：
将对话存储优化，提供持久，准确的记忆达到节约 token 的目的
用 AI 分析对话，然后提取出有价值的任务
识别重复的任务，总结为 Skill进行沉淀
好的 Skill 进一步减少无用功，节约 token
虽然整个流程是自动，能让和小龙虾越聊越聪明，但我还是演示一下
首先 OpenClaw 的记忆会总结为一系列的任务
然后会沉淀为 Skill
老实说，这个项目部署起来还是有点难度的，中间也有不少问题。
但项目方提供了几乎算免费的云端版本，之前我也写过文章介绍，想了解可以看看下面这篇10w+文章。
首先感谢作者的付出，这里挂个链接：
https://github.com/MemTensor/MemOS/tree/main/apps/memos-local-openclaw
。大家可以去 Star一个。
首先有第一个问题：就是better-sqlite3 的 C++ 原生模块没编译成功，官方提供安装部署环境和编译方法。这里我就不再赘述了。
当修复成功后，会出现一个问题，就是咋都启动不了，后来发现是小龙虾的 BUG，需要完全重启。
杀掉旧进程
运行openclaw gateway install --force
我做了一张归因图，大家可以看看。
OpenClaw 将会成为操作系统时代的 Linux 系统，虽然程序员吐槽它难用，做了很多自认为简单的版本。
但后来这些版本都没有更新过了，反而因为 OpenClaw 受到关注，很多程序员在积极给他做配套。
今天介绍的这个项目就属于其中一个。
浪潮已经不可免，OpenClaw 或者说个人助理式的 Agent 已经成为大趋势。
今后我将分享更多能解决OpenClaw问题的开源项目，希望对你有帮助。
喜欢看我的文章，可以查看往期文章