---
title: oG-Memory：基于 openGauss 的原生向量记忆引擎，为 Claude Code 与 OpenClaw 赋能长周期记忆能力-官方技术文章-鲲鹏社区
description: oG-Memory是基于openGauss的向量记忆引擎，解决AI代理的记忆连贯性、资源消耗及检索效率问题，集成Claude Code与OpenClaw，支持混合检索、语义分块与开源部署，为智能体提供持久化、高效记忆能力。
keywords: Memory,Gauss,的原生向量记忆引擎,Claude,Code,OpenClaw,赋能长周期记忆能力,官方技术文章
url: https://www.hikunpeng.com/developer/techArticles/20260424-4?envFlag=1
section: (其他)
---

# oG-Memory：基于 openGauss 的原生向量记忆引擎，为 Claude Code 与 OpenClaw 赋能长周期记忆能力-官方技术文章-鲲鹏社区

URL: https://www.hikunpeng.com/developer/techArticles/20260424-4?envFlag=1
描述: oG-Memory是基于openGauss的向量记忆引擎，解决AI代理的记忆连贯性、资源消耗及检索效率问题，集成Claude Code与OpenClaw，支持混合检索、语义分块与开源部署，为智能体提供持久化、高效记忆能力。
关键词: Memory,Gauss,的原生向量记忆引擎,Claude,Code,OpenClaw,赋能长周期记忆能力,官方技术文章

官方技术文章 [了解详情](https://www.hikunpeng.com/zh/developer/techArticles)

oG-Memory：基于 openGauss 的原生向量记忆引擎，为 Claude Code 与 OpenClaw 赋能长周期记忆能力

oG-Memory：基于 openGauss 的原生向量记忆引擎，为 Claude Code 与 OpenClaw 赋能长周期记忆能力

openGauss

发表于 2026/04/24

0

# oG-Memory：基于openGauss的原生向量记忆引擎，为Claude Code与OpenClaw赋能长周期记忆能力

2026年，AI智能体正从“单任务响应”迈向“认知持续进化”。然而，原生记忆系统在语义连贯性、资源效率、跨会话衔接等方面仍存在明显短板。

oG-Memory，作为基于openGauss构建的原生向量记忆引擎，已成功适配Claude Code与OpenClaw框架，为智能体提供稳定、高效、低延迟的记忆存储与检索能力，助力复杂任务自动化落地。

## AI Agent的“记忆困境”

当前主流AI Agent框架（如OpenClaw）虽具备强大执行能力，但其原生记忆系统存在三大核心痛点：

| 痛点 | 表现 |
| --- | ---|
| 记忆连贯性差 | 多轮交互、跨日会话后，无法自动衔接历史记忆，需重复输入上下文。 |
| 资源消耗不可控 | 重复存储相同或相似上下文，导致Token消耗激增，成本上升。 |
| 检索效率低下 | 缺乏语义级检索能力，难以从海量信息中精准召回相关记忆。 |

结论：没有“持久化”与“可检索”的记忆能力，Agentic AI就无法实现“认知持续进化”。

## oG-Memory是什么？——基于openGauss的原生向量记忆引擎

oG-Memory是一个基于openGauss向量数据库与全文索引能力的外部独立组件，通过接入openGauss实现向量索引与BM25全文索引能力，对外提供以下核心能力：

| 功能 | 说明 |
| --- | ---|
| 文件索引 | 支持Markdown格式文档的语义分块与索引。 |
| 记忆查询 | 支持向量相似度+ BM25全文混合检索，结合重排算法，提升召回准确率。 |
| 记忆扩展 | 支持动态添加新记忆内容，并自动更新索引，保持记忆库实时性。 |

核心定位：为AI Agent框架，提供“长周期、高连贯性、低资源消耗、易扩展”的语义记忆能力底座。

## oG-Memory的核心技术能力

### 1.内置向量类型与混合索引，无需额外扩展

- 内置IVFFlat与HNSW向量索引，支持高并发、低延迟向量检索；
- 无需安装额外扩展模块，开箱即用。

### 2.向量+全文混合检索，重排提升召回质量

- 支持向量相似度搜索（语义理解）与BM25全文检索（关键词匹配）的联合检索；
- 采用RRF（Reciprocal Rank Fusion）算法对结果进行重排序，避免单一检索模式的偏见，显著提升召回准确率。

### 3. Markdown文档按标题结构分块，保留层级语义

- 支持将Markdown文档按标题层级（如`#`,`##`,`###`）进行自动分块；
- 每个语义块独立建立向量索引，支持“精准定位+上下文补全”的双重检索模式；
- 保留原始文档结构信息，避免语义断裂。

### 4.基于嵌入模型的语义搜索，实现“理解上下文”的记忆调用

- 支持接入主流嵌入模型（如text2vec、bge、m3e等），将用户输入与记忆内容统一映射到语义空间；
- 实现“语义级匹配”而非“关键词匹配”，真正理解用户意图，提升记忆调用准确性。

## 与Claude Code & OpenClaw的深度集成

oG-Memory已成功适配Claude Code与OpenClaw框架，作为其可插拔的记忆后端，无缝集成于智能体工作流中。

### 与OpenClaw集成：补齐框架记忆短板

- 作为OpenClaw的“记忆插件”，可增强其原生记忆系统；
- 支持在多轮任务中自动保留与调用历史记忆，实现“跨会话记忆连贯性”；
- 通过向量+全文混合检索，显著提升记忆调用准确率。

### 与Claude Code集成：构建AI工程师的记忆中枢

- 在多轮编程对话中，自动对代码注释、项目文档、接口说明等内容进行语义分块与索引；
- 支持“跨日项目重构”：开发者隔日继续开发，系统可自动调取历史记忆，确保代码风格与架构一致性。

## 部署方式与开源社区

### 部署方式

- 开源安装
- 支持基于 openGauss 的标准安装流程； 适用于 K8s、Docker、本地服务器等多种部署环境。 完整安装指引：

https://gitcode.com/opengauss/oG-Memory/tree/prototype-poc

立即加入社区：

- 项目开源仓库：https://gitcode.com/opengauss/oG-Memory/tree/prototype-poc

## 结语：让记忆，成为智能体的“第二大脑”

oG-Memory，是openGauss向量数据库能力的“语义记忆延伸层”，它不追求“万能”，而是专注于“持久、连贯、高效”的记忆能力构建。

它正以“国产化、高性能、低成本”为核心优势，为Claude Code、OpenClaw等主流Agentic AI框架，提供稳定、可靠、可扩展的记忆底座。

本页内容