Pgmemory 是一个专为 OpenClaw 智能体设计的持久化语义记忆系统，通过结合 PostgreSQL 数据库与 pgvector 扩展，为 AI 代理提供跨会话的长期记忆能力。在大多数 AI 系统中，代理每次启动都处于‘白板状态’，之前的决策、约束条件和基础设施信息都会丢失。pgmemory 解决了这一痛点，确保关键知识能够持续积累并在需要时自动浮现。它通过语义向量嵌入技术，将自然语言内容转化为可搜索的数字表示，从而实现高效的信息检索与管理。 该工具支持多种记忆分类，包括决策（decision）、约束（constraint）、基础设施（infrastructure）、愿景（vision）、偏好（preference）和上下文（context），并为每条记忆设置重要性等级以控制其生命周期。例如，重要性为3的记忆（如架构选择或部署配置）永不过期且始终加载；重要性2的记忆（如用户偏好）在180天内未访问后将被归档；而重要性1的临时笔记则在30天后自动清理。这种机制既保证了核心知识的稳定性，又避免了存储资源的浪费。 Pgmemory 的安装和配置高度自动化，用户只需运行一次 setup 脚本即可完成 Docker 容器初始化、PostgreSQL 实例搭建、数据库迁移以及嵌入模型提供商（如 Voyage 或 Ollama）的配置。系统还提供丰富的命令行工具用于写入、查询和维护记忆库，并支持每日定时衰减任务、健康检查及多代理命名空间同步等功能，极大提升了开发者的使用体验和可维护性。
核心功能特点
- 基于 PostgreSQL + pgvector 实现高可靠语义记忆存储
- 支持七类记忆分类与三级重要性分级管理
- 自动记忆衰减与归档机制，平衡性能与资源占用
- 内置医生模式（–doctor）进行系统健康诊断
- 多代理独立命名空间支持，便于团队协作开发
- 一键同步功能，快速将记忆配置分发至所有 OpenClaw 代理
适用场景
Pgmemory 特别适用于需要长期知识积累和上下文连贯性的智能代理应用场景。例如，在一个持续迭代的软件开发项目中，主代理可以记录下关于技术栈选型、API 设计原则或第三方服务集成方式等关键决策，这些内容会作为重要性3的记忆永久保留，并在后续开发过程中被自动检索引用，避免重复踩坑。当子代理完成特定任务（如代码审查或测试覆盖分析）后，主代理可通过 harvest 命令提取其重要发现，形成跨代理的知识传承。 另一个典型场景是运维或 DevOps 自动化代理。这类代理经常处理数据库迁移、环境配置变更或监控策略调整等工作，每次重启都可能遗忘上次的操作细节。借助 pgmemory，每次部署完成后即可将相关配置信息写入‘infrastructure’类别，系统会在下次执行类似操作前主动提示潜在风险点。即使代理进程中断，也不会丢失任何关键上下文，显著提升系统的鲁棒性和可解释性。 此外，对于需要个性化交互的对话型代理，pgmemory 能有效记住用户的长期偏好和历史行为。比如，若某用户明确表示不希望使用某种加密算法，该偏好会被标记为 importance=2 并保留半年以上；在此期间，代理每次生成建议时都会优先参考此约束条件，从而提供更贴合个体需求的服务体验。无论是工程实践还是人机协作，pgmemory 都能成为智能代理不可或缺的认知基础设施。