---
title: 记忆服务部署（单机）
description: "具体部署使用说明与参数介绍，可参见OpenViking + openGauss Docker 部署使用说明(https://gitee.com/kunpeng_compute/KunpengRAG/blob/master/OpenViking_OpenGauss/OpenViking + openGauss Docker部署使用说明.md)。"
url: https://www.hikunpeng.com/document/detail/zh/kunpengaiagent/bestpractice/aiagent-0074.html
sourcePath: /source/zh/kunpengaiagent/bestpractice/aiagent-0074.html
indexId: 1999fee5959de29ad5828cb5c3b25a91b51f01206cb1174a6d5eceadc3b0157156
---
# 记忆服务部署（单机）

#### 快速部署

具体部署使用说明与参数介绍，可参见OpenViking + openGauss Docker 部署使用说明(https://gitee.com/kunpeng_compute/KunpengRAG/blob/master/OpenViking_OpenGauss/OpenViking + openGauss Docker部署使用说明.md)。

当前单机部署脚本支持 OpenViking 和 oGMemory 两种记忆系统后端，通过 deploy.env 中的 MEMORY_BACKEND 选择其一：

```
MEMORY_BACKEND=openviking|ogmemory
```


1. 获取部署脚本。

```
curl -fsSL https://gitee.com/kunpeng_compute/KunpengRAG/raw/master/OpenViking_OpenGauss/install.sh | bash
cd openviking-deploy
```


  install.sh 会自动下载 deploy.sh、deploy.env、build.sh、build_ogmemory.sh、ogmemory.yaml 和 OpenViking openGauss backend patch到“openviking-deploy/”目录。

2. 编辑deploy.env，填写必填项。
部署 OpenViking 时，保持如下配置或不显式配置 MEMORY_BACKEND：

  - MEMORY_BACKEND="openviking"
填写以下必填项：- OPENVIKING_ROOT_API_KEY：OpenViking管理密钥。
- OPENVIKING_VLM_API_KEY：VLM大模型API Key（记忆提取、自动摘要依赖此模型）。
- OPENVIKING_VLM_PROVIDER/OPENVIKING_VLM_API_BASE/OPENVIKING_VLM_MODEL：VLM服务配置。
  VLM模型是记忆提取功能的核心依赖。如果不配置VLM，OpenViking的记忆提取、自动摘要等功能将无法使用。


部署 oGMemory 时，设置：

  - MEMORY_BACKEND="ogmemory"
填写以下必填项：

  - CONTEXTENGINE_PROVIDER：oGMemory 使用的 LLM 服务提供商，如 volcengine。
  - OGMEM_API_KEY：oGMemory 调用 LLM 的 API Key。
  - OGMEM_BASE_URL：oGMemory 调用 LLM 的 API Base URL。
  - OGMEM_LLM_MODEL：oGMemory 使用的 LLM 模型名。
  - EMBEDDING_PROVIDER：oGMemory 使用的 Embedding 服务提供商。
  - OGMEM_EMBEDDING_MODEL：Embedding 模型名。
  - OGMEM_EMBEDDING_BASE_URL：Embedding API Base URL。
  - OGMEM_EMBEDDING_API_KEY：Embedding API Key。
    oGMemory 依赖外部 LLM 和 Embedding API 完成记忆提取与向量化。LLM 和 Embedding 可以使用不同厂商，按需分别配置即可。deploy.sh 会将 ogmemory.yaml 挂载到容器内 /etc/ogmem/config.yaml，并把 deploy.env 中的变量传入容器，由 oGMemory 启动脚本完成配置替换。

3. 执行部署。

```
bash deploy.sh -password '<openGauss密码>'
```


  OPENGAUSS密码要求： 密码长度必须至少为8个字符。 必须同时包含大写字母、小写字母、数字、以及特殊字符（#?!@&）。

4. （可选）查看部署状态。

```
bash deploy.sh --status
```


#### 手动部署（可选）

记忆服务相关进程（openGauss、OpenViking或 oGMemory）整体CPU资源建议限定为16个vCPU，可按需进行绑核约束。

当前单机手动部署支持两种路线： OpenViking + openGauss oGMemory + openGauss OpenViking 和 oGMemory 二选一部署即可，不需要同时启动两个记忆服务。

方式一：手动部署 OpenViking + openGauss

1. 下载openGauss数据库的Docker镜像。

```
docker pull swr.cn-north-4.myhuaweicloud.com/kunpeng-ai/opengauss-distributed:0422
```


2. 启动单机openGauss容器。

```
docker run --name opengauss --privileged=true -d \
--net=host \
-e GS_USERNAME={OG_USER} \
-e GS_PASSWORD={OG_PASSWORD} \
-e GS_NODENAME={OG_NODE_NAME
}    \
-e GS_PORT={OG_PORT}    \
swr.cn-north-4.myhuaweicloud.com/kunpeng-ai/opengauss-distributed:0422
```


  GS_PASSWORD需包含大写字母、小写字母、数字及特殊符号中的四种，特殊符号仅支持“#?!@&”，需要用转义符""进行转义。

  推荐使用以下简易启动命令，默认{OG_USER}为omm、{OG_NODE_NAME}为omm、{OG_PORT}为5432。

```
docker run --name opengauss --privileged=true -d \
--cpuset-cpus="32-39" \
--net=host \
-e GS_PASSWORD={OG_PASSWORD} \
swr.cn-north-4.myhuaweicloud.com/kunpeng-ai/opengauss-distributed:0422
```


  按照默认配置部署成功后，下列openGauss容器应处于正常运行状态。

3. 配置openGauss。

  a. 进入容器。

```
docker exec -it opengauss bash
```


  b. 切换到管理用户。

```
su omm
```


  c. 进入SQL命令行。

```
gsql -r
```


  d. 创建新用户test，并赋予权限。user_password包含大写字母、小写字母、数字及特殊符号中这四种。

```
create user test with password '
<user_password>
';
grant all privileges to test;
```


  e. 退出数据库和容器。

```
\q
exit
```


4. 下载并启动支持openGauss数据库的OpenViking镜像。

```
docker pull swr.cn-north-4.myhuaweicloud.com/kunpeng-ai/openviking-opengaussbackend:0617
```


  启动OpenViking容器。

```
docker run -d --name OpenViking \
-p 1933:1933 \
-e OPENVIKING_VLM_PROVIDER=openai \
-e OPENVIKING_VLM_API_BASE=<your_vlm_api_base> \
-e OPENVIKING_VLM_API_KEY="<your_api_key>" \
-e OPENVIKING_VLM_MODEL=<your_vlm_model> \
-e OPENVIKING_TARGET_URI=viking://user/memories \
-e OPENVIKING_ROOT_API_KEY=<your_root_key> \
-v /your_path/openclaw-data:/root/.openclaw \
-v /your_path/openviking-data:/root/.openviking \
swr.cn-north-4.myhuaweicloud.com/kunpeng-ai/openviking-opengaussbackend:0617
```


  /your_path/openclaw-data：挂载宿主机目录，用于持久化OpenClaw的配置和数据。 /your_path/openviking-data：挂载宿主机目录，用于持久化OpenViking的配置和数据。 your_root_key：设置用于控制OpenViking多租户模式下用户的访问。 -e OPENVIKING_EMBEDDING_API_KEY：（可选）Embedding模型的访问令牌（API key）。 -e OPENVIKING_EMBEDDING_PROVIDER：（可选）OPENVIKING_EMBEDDING_API_KEY配置下有效，Embedding服务提供商名称。 -e OPENVIKING_EMBEDDING_API_BASE：（可选）OPENVIKING_EMBEDDING_API_KEY配置下有效，Embedding API的Base URL。 -e OPENVIKING_EMBEDDING_MODEL：（可选）OPENVIKING_EMBEDDING_API_KEY配置下有效，Embedding模型名称。

5. 修改ov.conf文件。

  a. 进入容器。

```
docker exec -it OpenViking bash
```


  b. 修改ov.conf配置文件。

```
vi /root/.openviking/ov.conf
```


  c. 按“i”进入编辑模式，配置OpenViking的向量数据库后端引擎为openGauss，按需修改Embedding模型，没有设置embedding将使用内置的bge-small-zh-v1.5-f16模型。

```
{
"server": {
"host": "0.0.0.0",
"port": 1933,
"root_api_key": null,
"cors_origins": ["*"]
},
"storage": {
"workspace": "/home/your_user/openviking_workspace",
"vectordb": {
"backend": "opengauss",        # 使用openGauss
"dimension": 512,             # 需根据模型而定，建议小于等于1536
"opengauss": {
"host": "{HOST_IP}",         # 对应配置
"port": "{OG_PORT}",       # 对应配置
"user": "{OG_USER}",         # 对应创建的用户
"password": "{OG_PASSWORD}", # 对应配置
"db_name": "{OG_NODE_NAME}", # 对应配置
"mode": "standalone"         # 单机
}
},
"agfs": {
"port": 1833,
"log_level": "warn",
"backend": "local"
}
},
"vlm": {
"provider": "openai",
"api_key": "your_api_key",
"model": "your_model",
"api_base": "your_model_api_base",
"temperature": 0.1,
"max_retries": 3
},
"log": {
"level": "INFO",
"output": "stdout"
}
}
```


  d. 按“Esc”键退出编辑模式，输入:wq!，按“Enter”键保存并退出文件。
  e. 重启OpenViking容器使配置生效。

```
docker restart OpenViking
```


  f. 进入openGauss数据库查看。

```
docker exec -it opengauss bash
su omm
gsql -r
\d
```


    应看到OpenViking初始化的三张表，如下图所示。

6. 验证OpenViking服务。

```
curl http://
<your_server_ip>
:1933/health
```


  预期返回：{"status":"ok"}，示例如下。


方式二：手动部署 oGMemory + openGauss

openGauss容器启动与方式一中步骤1到步骤3相同，接下来直接手动启动oGMemory容器。

1. 下载并启动 oGMemory 镜像。

```
docker pull
swr.cn-north-4.myhuaweicloud.com/kunpeng-ai/ogmemory:poc_57(https://swr.cn-north-4.myhuaweicloud.com/kunpeng-ai/ogmemory:poc_57)
```


2. 启动 oGMemory 容器：

```
docker run -d --name ogmem \
--network host \
-v "$(pwd)/ogmemory.yaml:/etc/ogmem/config.yaml:ro" \
-e CONTEXTENGINE_PROVIDER=volcengine \
-e OGMEM_API_KEY=<your_llm_api_key> \
-e OGMEM_BASE_URL=<your_llm_base_url> \
-e OGMEM_LLM_MODEL=<your_llm_model> \
-e EMBEDDING_PROVIDER=volcengine \
-e OGMEM_EMBEDDING_MODEL=<your_embedding_model> \
-e OGMEM_EMBEDDING_BASE_URL=<your_embedding_base_url> \
-e OGMEM_EMBEDDING_API_KEY=<your_embedding_api_key> \
-e OPENGAUSS_HOST=127.0.0.1 \
-e OPENGAUSS_PORT=36432 \
-e OPENGAUSS_DBNAME=omm \
-e OPENGAUSS_USER=gaussdb \
-e OPENGAUSS_PASSWORD=<openGauss密码> \
-e OGMEM_HTTP_PORT=8090 \
swr.cn-north-4.myhuaweicloud.com/kunpeng-ai/ogmemory:poc_57(https://swr.cn-north-4.myhuaweicloud.com/kunpeng-ai/ogmemory:poc_57)
```


  ONTEXTENGINE_PROVIDER、OGMEM_API_KEY、OGMEM_BASE_URL、OGMEM_LLM_MODEL：oGMemory 调用 LLM 的配置。 EMBEDDING_PROVIDER、OGMEM_EMBEDDING_MODEL、OGMEM_EMBEDDING_BASE_URL、OGMEM_EMBEDDING_API_KEY：oGMemory 调用 Embedding 服务的配置。 OPENGAUSS_HOST=127.0.0.1：oGMemory 使用 Host 网络访问宿主机映射出的 openGauss 端口。 OPENGAUSS_PORT=36432：对应 openGauss 宿主机映射端口。 OGMEM_HTTP_PORT=8090：oGMemory HTTP 服务端口。

  验证 oGMemory 服务。

```
curl http://<your_server_ip>:8090/api/v1/health
```


#### OpenClaw对接记忆配置

在 OpenClaw 中配置 OpenViking 或 oGMemory 服务作为长期记忆后端。

OpenViking 记忆对接配置:

1. 创建新工作区及其首个管理员用户。

```
curl -X POST http://localhost:1933/api/v1/admin/accounts\
-H "Content-Type: application/json"\
-H "X-API-Key: <root_key>"\
-d '{
"account_id": "<your_account_id>",
"admin_user_id": "<your_user_id>"
}'
```


  响应示例如下：

```
{"status":"ok","result":{"account_id":"your_account_id","admin_user_id":"your_user_id","user_key":"NTY0Nw.aHVhd2Vp.ZjVkNz..."},"error":null,"telemetry":null}
```


2. 在工作区中注册新用户，产生的user_key就是填到openclaw.json中OpenViking配置中的API Key。

```
curl -X POST http://localhost:1933/api/v1/admin/accounts/<your_account_id>/users\
-H "Content-Type: application/json"\
-H "X-API-Key: <root_key>"\
-d '{
"user_id": "<your_user_id>",
"role": "user"
}'
```


  响应示例如下：

```
{"status":"ok","result":{"account_id":"your_account_id","user_id":"your_user_id","user_key":"MTIzNA.b3Yy.ZWRk..."},"error":null,"time":0.0,"usage":null}
```


  生成的API Key值可以作为参数值传递到启动OpenClaw镜像的OPENVIKING_API_KEY环境变量中。 openclaw.json记忆插件参考配置： "plugins": { "enabled": true, "load": { "paths": [ "/root/.openclaw/extensions/openviking" ] }, "allow": [ "openviking" ], "slots": { "contextEngine": "openviking" }, "entries": { "openviking": { "enabled": true, "config": { "mode": "remote", "baseUrl": "http://172.17.0.1:1933", "targetUri": "viking://user/memories", "autoRecall": true, "autoCapture": true, "recallMaxContentChars": 50000, "apiKey": "MTIzNA.b3Y.MGMxNDRhMjNjNWI0ZWFhYjE1ZDMxODNiY2VjZjNjYzE0ODM2OWYwODhhZWJhYmJlYmM0NWFmMjg4OTRlODI2OQ", "agent_prefix": "main" } }, "openai": { "enabled": true } }, "bundledDiscovery": "compat" },


oGMemory 记忆对接配置 :

使用 oGMemory，需要使能OpenClaw插件中的og-memory-context-engine。

openclaw.json的插件配置如下：
```
"plugins": {
"enabled": true,
"load": {
"paths": [
"/root/.openclaw/extensions/og-memory-context-engine"
]
},
"allow": [
"og-memory-context-engine",
"openai"
],
"slots": {
"contextEngine": "og-memory-context-engine"
},
"entries": {
"og-memory-context-engine": {
"enabled": true,
"config": {
"mode": "remote",
"memoryApiBaseUrl": "http://172.17.0.1:8090",
"authApiKey": "",
"authAccountId": ""
}
},
"memory-core": {
"enabled": false
},
"openai": {
"enabled": true
}
},
"bundledDiscovery": "compat"
},
```