El complemento OpenClaw agrega memoria persistente con el servidor Engram.

Un desarrollador creó un complemento de TypeScript que conecta agentes OpenClaw con Engram, un servidor de memoria ligero basado en Go que almacena observaciones estructuradas en SQLite con búsqueda de texto completo FTS5. Esto proporciona memoria a largo plazo para agentes que sobrevive a reinicios, compactaciones y finales de sesión.

Cómo funciona

El complemento intercepta los mensajes entrantes antes de cada turno del agente, extrae palabras clave, busca en Engram e inyecta recuerdos relevantes en el prompt automáticamente. Esto ocurre mediante una búsqueda de retroceso progresivo: FTS5 utiliza lógica AND, por lo que el sistema descarta palabras clave una por una hasta que algo coincide. Los resultados se puntúan por relevancia BM25, y el complemento omite cualquier cosa ya inyectada en la sesión para evitar contexto repetido.

Lo que guardan los agentes

Los recuerdos no son volcados de chat sino observaciones tipificadas con categorías como decisión, corrección de errores, configuración, procedimiento, descubrimiento y patrón. Estos se etiquetan con proyectos y claves de tema. Cuando un agente guarda algo con la misma topic_key que un recuerdo existente, se actualiza en lugar de duplicarse, permitiendo que el conocimiento evolucione en su lugar.

Ejemplos de lo que se almacena incluyen preferencias y restricciones de infraestructura, credenciales de servicio y envoltorios CLI para cada entorno, reservas de puertos y convenciones de despliegue, y procedimientos paso a paso para tareas recurrentes.

Detalles técnicos

El complemento tiene aproximadamente 750 líneas de TypeScript y proporciona a los agentes 11 herramientas, 4 ganchos de ciclo de vida y una CLI. Utiliza el espacio de nombres engram_* para coexistir con la memoria Markdown incorporada de OpenClaw sin conflictos.

Detalles clave de implementación:

• Elimina metadatos del canal (encuadre de Mattermost/Telegram, marcas de tiempo) antes de buscar para evitar resultados contaminados
• Elimina palabras vacías y extrae palabras clave significativas
• Dimensiona fragmentos dinámicamente: 1 resultado obtiene más detalle, 5 resultados obtienen resúmenes más cortos
• Inyecta todo con IDs de observación para que los agentes puedan llamar a engram_get para obtener el contenido completo

Requisitos de configuración

• Instalar Engram: brew install gentleman-programming/tap/engram o descargar el binario
• Ejecutar engram serve (puerto predeterminado 7437, base de datos SQLite, configuración cero)
• Clonar el complemento y usar npm para la instalación
• Establecer tools.profile: "full" en tu configuración para que las herramientas del complemento sean visibles para los agentes

Problemas encontrados y soluciones

• Lógica AND de FTS5: Buscar "configuración de clúster de kubernetes" no devuelve nada si algún término individual no está indexado. Solucionado con retroceso progresivo de palabras clave.
• Metadatos del canal en prompts: Los mensajes de Mattermost llegan con encuadre que contamina las búsquedas. La solución es eliminar los metadatos primero.
• Herramientas del complemento invisibles para agentes: El tools.profile: "coding" de OpenClaw filtra las herramientas registradas por el complemento. La solución es tools.profile: "full".