记忆召回的二次过滤
云插件
MemOS Openclaw 云插件支持使用指定的大语言模型对召回的记忆进行二次精准过滤。过滤后，只有与当前任务高度相关的记忆才会被注入到上下文中，有效避免无关记忆的干扰并节省 Token。
如何使用
只需配置兼容 OpenAI 格式的模型接口（如本地 Ollama 或第三方大模型 API）并开启过滤开关，即可启用记忆二次过滤功能。
1. 开启记忆过滤功能
在配置大模型过滤记忆时，必须配置 API Key 和 Base URL。
在 openclaw.json 配置中添加：
{
"plugins": {
"entries": {
"memos-cloud-openclaw-plugin": {
"config": {
"recallFilterEnabled": true,
"recallFilterBaseUrl": "http://127.0.0.1:11434/v1",
"recallFilterApiKey": "sk-...",
"recallFilterModel": "qwen2.5_7b"
}
}
}
}
}
或设置环境变量：
MEMOS_RECALL_FILTER_ENABLED=true
MEMOS_RECALL_FILTER_BASE_URL="http://127.0.0.1:11434/v1"
MEMOS_RECALL_FILTER_API_KEY="sk-..."
MEMOS_RECALL_FILTER_MODEL="qwen2.5_7b"
2. 配置鉴权与进阶参数（可选）
如果需要调整超时时间及失败策略，可以在配置中指定：
{
"config": {
"recallFilterTimeoutMs": 6000,
"recallFilterFailOpen": true
}
}
原理介绍
- 召回后拦截：在每轮对话前从云端召回记忆后，插件会把候选的记忆条目发送给你配置的过滤模型做二次筛选。
- 精准保留：过滤模型判断后，只保留被标记为
keep的相关条目，最终注入到 Agent 的上下文中。 - 高可用回退：默认开启了失败放行（
recallFilterFailOpen: true）。当过滤模型请求超时或失败时，会自动回退为“不过滤”全量注入，保证当前对话不被中断。
适用场景
- 超长记忆精简：长期对话积累大量记忆时，剔除与当前 Prompt 无关的内容，大幅降低主模型上下文的 Token 消耗。
- 提升推理精度：为需要专注处理复杂任务的 Agent 过滤掉早期无关的记忆干扰，提高核心任务的推理准确度。
- 本地模型协同：搭配本地运行的小模型（如 Ollama 运行的
qwen2.5_7b）作为低成本前置过滤器，在不增加主模型 API 费用的前提下提升记忆注入质量。
本地插件
MemOS Openclaw 本地插件支持大模型二次过滤记忆，用于在召回后筛掉不相关内容。
配置示例
可在 Memory Viewer 里手动配置模型，也可在 ～/.openclaw/openclaw.json 里配置模型：
{
"agents": {
"defaults": {
"memorySearch": { "enabled": false }
}
},
"plugins": {
"entries": {
"memos-local-openclaw-plugin": {
"enabled": true,
"config": {
"summarizer": {
"provider": "openai_compatible",
"endpoint": "https://your-api-endpoint/v1",
"apiKey": "${OPENAI_API_KEY}",
"model": "gpt-4o-mini",
"temperature": 0
}
}
}
}
}
}
预期结果
- 每轮 auto-recall 先召回候选，再由大模型过滤
- 注入上下文的记忆更聚焦，噪音更少
- 模型不可用时自动回退，不影响基础召回