Plugin de Memoria del Agente OpenClaw: Contexto Persistente a lo Largo de Sesiones

Un desarrollador ha creado un complemento de memoria para OpenClaw que otorga a los agentes memoria persistente entre sesiones, abordando la frustración de que los agentes olviden todo entre interacciones y requieran las mismas explicaciones repetidamente.

Cómo funciona

El complemento implementa una capa de memoria que se integra en el sistema de complementos de OpenClaw. Antes de cada turno, el agente recibe automáticamente contexto relevante de conversaciones pasadas. Después de cada turno, se extraen y almacenan nuevos hechos y eventos.

El sistema busca tres tipos de memoria antes de cada turno:

• Hechos — Ejemplo: "Usa PostgreSQL en Supabase, despliega mediante Railway."
• Eventos — Ejemplo: "Tuvo un problema de OOM el 15 de marzo, solucionado con caché Redis."
• Flujos de trabajo — Ejemplo: "Despliegue: compilar → probar → enviar a main → Railway despliega automáticamente."

Configuración

La configuración requiere agregar una entrada de complemento a openclaw.json:

{
  "plugins": {
    "entries": {
      "openclaw-mengram": {
        "enabled": true,
        "config": {
          "apiKey": "om-..."
        }
      }
    },
    "slots": {
      "memory": "openclaw-mengram"
    }
  }
}

El complemento incluye un gancho de recuperación automática que busca en la memoria antes de cada turno del agente. Cuando los flujos de trabajo fallan, el agente registra comentarios y el procedimiento evoluciona automáticamente a una versión mejorada para la próxima vez.

La herramienta es de código abierto bajo la licencia Apache 2.0 y está disponible en github.com/alibaizhanov/mengram.