OpenClaw + Pieces 长期记忆一体化配置指南

OpenClaw 设置指南：与 Pieces Long-Term Memory 长期集成

如果你在使用 AI agent，最大的限制之一就是记忆。在本指南中，我将展示如何将 OpenClaw 连接到 Pieces Long-Term Memory，使你的 agent 能够立即了解你和你的工作的一切，并且可以 24/7 运行，同时从它所做的一切中构建上下文。

需求：

• 安装了 Node.js 的计算机
• OpenClaw 兼容的 API key
• 设置时间：3-5 分钟

Step 1：下载 Pieces 并启用 Long-Term Memory

从 pieces.app 下载 Pieces 并安装桌面应用。

安装后，打开 Pieces 并转到 Settings → Long-Term Memory，确保它已启用。

这允许 Pieces 捕获你的真实工作——你的屏幕、剪贴板和活动——并随着时间推移将其转化为结构化记忆。

你使用计算机的次数越多，你的记忆就越丰富。

Step 2：启动隧道

要使你的本地 Pieces 实例可被 OpenClaw 访问，你需要使用 ngrok 暴露它。在你的终端中运行：

ngrok http 1337

你将获得一个看起来像这样的 URL：

https://abc123.ngrok-free.dev

终端输出示例：

Session Status                online
Account                       <your-account>
Version                       3.3.5
Region                        us (US)
Forwarding                    https://abc123.ngrok-free.dev -> http://localhost:1337

复制该 URL——你在稍后的步骤中会需要它。保持这个终端窗口运行。

Step 3：安装 OpenClaw

前往 https://openclaw.ai 并从网站上复制安装命令。

将其粘贴到你的终端并运行它。

Step 4：选择你的模型并启动 OpenClaw

出现提示时，选择你的模型并添加你的 API key。

然后在浏览器中启动 OpenClaw：

openclaw

你现在应该看到 OpenClaw 界面在你的浏览器中打开。

Step 5：安装 Pieces Long-Term Memory Skill

在 OpenClaw 中，导航到 Skills 页面并点击 Browse。

搜索 Pieces 并安装 Pieces Long-Term Memory MCP。

或直接下载：https://clawhub.ai/jackrosspieces/pieces-mcp

这个 skill 教会你的 agent 如何连接到 Pieces，查询你的长期记忆，以及创建新的记忆。

Step 6：让 Agent 自己配置

前往聊天并输入：

Set up my Pieces long-term memory

OpenClaw 将读取该 skill 并开始自动配置所有内容。

出现提示时，粘贴你在 Step 2 中复制的 ngrok URL。

从那里，agent 处理其余部分——构建 MCP 端点、配置 MCPorter、安装依赖项，以及重启网关。

在你的网关重启后，询问你的 agent：

Ask Pieces who am I and what am I working on?

它将查询 Pieces Long-Term Memory 并根据你的真实活动返回答案——不是猜测，不是通用响应。你的实际工作。

Step 8：创建记忆

Create a memory that OpenClaw is now connected to Pieces Long-Term Memory

该记忆直接写入 Pieces。打开 Pieces 应用，你会立即看到它。它现在是你长期上下文的一部分，在每个未来的会话中都可用。

连接后，你的 OpenClaw agent 可以：

• 回忆你在各个会话中所做的工作
• 理解你的项目和过去的决策
• 无需你重复解释任何事情就能引用你的历史
• 随着时间推移自动构建新的记忆

你的 agent 不再是从头开始——它已经了解你了。

你可以使用这个相同的 skill.md 文件来教任何 AI agent 如何连接并使用 Pieces 作为它的长期记忆！