重装3次Openclaw的实战避坑指南

这条分享，是我重装了3次openclaw的实战经验，保证让你规避掉许多坑，能节约你的精力和时间。

距离上次发openclaw的推文，一周又过去了。

一周会引起怎样的变化？至今，openclaw已经登顶了github，历史第一，250k的star。今天已经270k了，还在疯狂增长。

我的感觉：openclaw现在已经不是一款简单的玩具了，而已经成长为新的经济现象。围绕openclaw的经济市场和经济形态已经成型，它诞生到规模化的快速传播、演变速度，快得让人眼花缭乱！

它本身的部署对电脑的要求并不高，它的安装技术门槛，在有各种免费的IDE加持下，变得异常简单和容易，你只要听话照做，有点耐心，就能搞成！

废话不多说，上干货！

一、下载Trae

1、下载Trae。安装好trae，打开后，点击左上角红色框标记的按钮，切换到solo模式；点击右下角Auto，关闭Auto模式后，选择GLM-5模型。

点击新建项目：在d盘下，文件名为：openclaw

然后，直接把下面的这句话复制给它：

 /plan 我要安装最新版本的openclaw，我是第一次安装的小白。

点击发送，然后你就等它思考、规划、执行，它会自动计划安装步骤和要求，得到一个详细的安装计划文档。如下所示：

别担心，差什么！它都会告诉你，它可能还会对你提问，你就选择推荐答案就行了。

如果，让你选择模型密钥，你就选择openAI，然后在最后的补充问题里说你是订阅的什么套餐。

等待安装和需要你手动执行的命令，跟着它的叙述指引操作就行了。

二、记忆问题（本期讲解的重点）

openclaw要想好用，必须要有长期记忆和技能。就像人一样，你得长脑和手、脚。技能就是它的手和脚，直接扔给它，它自己就装好了。

记忆，是它的脑，如果用它原生的，你会发现它不灵活，它自己也搞不定，你得帮它。

目前，针对它的记忆问题有三种方式，我体验下来的感觉如下：

1、原生的md格式存储，就像写文章一样，放在文档内保存。记得牢、关联性不强，什么都记，很机械，体现不出智能的特点。

2、用lancedb插件，会话记忆有压缩，不支持语义关联检索，处于半智能状态。

3、用开源的EverMemOS，这是一个专门针对智能体记忆和检索的系统，它是针对企业级、多用户的系统，智能效果拉满。

这是openclaw给的性能对比图：

从我的踩坑经验看。我建议，直接一步到位，用第三种方案。

彻底解决这个记忆压缩丢失和检索关联不强的问题。

就是安装和配置比较麻烦，我搞它，磨了整整1天。但是，彻底打通后，体验会指数级提升。

因为，它要求在docker环境下运行。

所以，第一步是让Trae给你安装部署docker。

这个搞好后，再让Trae给你克隆EverMemOS。

因为openclaw运行在本地，EverMemOS运行在docker里，那它们之间的通信、交流就是一个卡点和问题。

所以，针对这个痛点，我让Trae做了openclaw调用EverMemOS的插件（memory-evermemos）放在extensions下面。

通过不断调试、测试，最终才成功！

我把不易察觉，反复出错的问题列举一下：

1、EverMemOS/.env文档配置

# Vectorize (Embedding) Configuration# ===================VECTORIZE_PROVIDER=deepinfraVECTORIZE_API_KEY=输入你申请的密钥VECTORIZE_BASE_URL=https://api.deepinfra.com/v1/openaiVECTORIZE_MODEL=BAAI/bge-large-en-v1.5VECTORIZE_DIMENSIONS=1024

VECTORIZE_PROVIDER的值，Trae编辑的代码，多半默认为openclaw的大语言模型供应商。但是EverMemOS不支持，只支持向量模型。因此，你必须单独申请向量模型的密钥。访问官网

https://deepinfra.com/

注册账号，登录就能免费获取100M的额度，个人使用足够了。

同理：排序的配置如下：

# Rerank Configuration# ===================RERANK_PROVIDER=deepinfraRERANK_API_KEY=输入你申请的密钥RERANK_MODEL=BAAI/bge-reranker-large

2、openclaw.json文档的配置修改

必须要把"plugins"字段的配置改为以下的格式：

{  "plugins": {    "slots": {      "memory": "memory-evermemos"    },    "entries": {      "memory-evermemos": {        "enabled": true,        "config": {          "baseUrl": "http://localhost:1995",          "namespace": "openclaw",          "userId": "your-device-id"        }      }    }  }}

3、API 格式不匹配

openclaw的默认调用的API格式与EverMemOS接受的不一致，所以，在插件里要主动修改来匹配EverMemOS。

使用 EverMemOS 期望的扁平结构：

```typescript{  user_id: string,  message_id: string,  create_time: number,  sender: string,  content: string}

还有很多，这里不一一例举了，想要EverMemOS 记忆插件 - 安装经验详细文档的，请私信我。你把它给Trae，就能自动帮你把我遇到过的坑都避了。

测试过程中，你要启动Trae和openclaw两边测试，同步跑。然后，把openclaw的反馈，复制扔给Trae。

这样，暴露根本性的矛盾、问题最快，解决起来也更直接！

最后，记得把你跑通的EverMemOS系统，让openclaw检测、使用，然后自己分析，为自己封装一个memory的skills，这样记忆这块问题才算完美解决。

三、必安装的技能

1、superpowers：是一个规范化的软件开发工作流技能，通过 "规范优先 → TDD → 子代理驱动" 的方式，让你写代码更系统、更少犯错，是玩openclaw的必备工具。

2、self-improvement：让你的openclaw和你一起慢慢迭代进化。

这里插一句:安装完self-improvement技能后，问一下openclaw现在的记忆系统架构是什么？让它重写memory下面的skills。

这样，你的openclaw记忆系统又迭代升级了。

然后你就会得到类似这样的结果：

3、Agent-reach：让你的openclaw能集成多个信息渠道，顺利搜索、获取网上多个渠道的信息。

写在最后

openclaw的爆发，正如20年前的互联网刚落地。但是，传播、扩散，已经远远超过当年。

它很年轻，但正在发力，茁壮成长。

也许，你刚学用时，发现它一点都不智能，甚至很多时候会出错。

给你的体感，绝对不会像网络鼓吹的那样容易和便捷。

但是，智能的框架基础确实已经打好了，在上面具体盖什么房子？

盖土坯房、精装房，还是别墅？

全靠个人的需求和摸索，自己规划和设计，无人可替！

现在给我的感觉，正如网上所说：

这是一个最好的时代，也是一个最差的时代！

好在，你想要的信息和工具，唾手可得！

坏在，你知道什么都有，但不知从何入手？应该搜些什么？

知道是机会，却只能眼睁睁地看它溜走！

这种无奈感和时代变革的紧迫感的双重拉扯，

才是让人最无奈，又愤恨的地方！