最近在折腾 OpenClaw 的记忆优化时，发现切换到 QMD 后端能让 AI “真正记住一切”，召回率提升 30–50%，token 消耗也更省。下面分享一个针对腾讯云 + 宝塔环境的保姆级、一步步完整流程，专为默认安装路径设计（OpenClaw 在 /root 下），无需自定义路径。

系统环境

• 系统：腾讯云服务器 + 宝塔面板（预装支持扩展的 SQLite）。
• OpenClaw 已安装在 /root/.openclaw/（默认路径）。
• 记忆文件夹：/root/.openclaw/workspace/memory（存放 daily logs 等 md 文件）。

步骤 1: 安装 Bun（QMD 依赖）

# 安装 Bun（QMD 需要它）
curl -fsSL https://bun.sh/install | bash
# 加载 Bun 到当前 shell（或重启终端）
source ~/.bashrc
# 验证
bun --version

步骤 2: 安装 QMD CLI

# 全局安装 QMD（会自动下载 embedding 模型 ~330MB，需网络通畅）
bun install -g github:tobi/qmd
# 验证安装（首次运行可能下载模型，稍等）
qmd --version

步骤 3: 验证 SQLite 扩展（宝塔通常已 OK）

# 检查 sqlite3 版本
sqlite3 --version
# 检查 vec 扩展（QMD 依赖）
sqlite3 :memory: "SELECT vec_version();"

如果输出类似 "vec0.x.x" → OK。

如果报错 "no such function: vec_version" → 宝塔可能没启用 vec 扩展（极少见），去宝塔面板 → 软件商店 → 搜索 sqlite → 重装或启用扩展。

步骤 4: 配置 OpenClaw 使用 QMD

编辑配置文件：

nano /root/.openclaw/openclaw.json

添加/修改 memory 段为：

{
  "memory": {
    "backend": "qmd",
    "citations": "auto",
    "qmd": {
      "includeDefaultMemory": true,
      "update": {
        "interval": "5m",
        "debounceMs": 15000,
        "onBoot": true
      },
      "limits": {
        "maxResults": 6,
        "timeoutMs": 8000
      },
      "scope": {
        "default": "deny",
        "rules": [
          { "action": "allow", "match": { "chatType": "direct" } }
        ]
      },
      "paths": []  // 空数组即可，默认会用 workspace/memory
    }
  }
}

保存退出（Ctrl+O → Enter → Ctrl+X）。

说明：paths 留空 → QMD 会自动索引默认的 /root/.openclaw/workspace/memory/**.md 文件（你的 daily logs）。

步骤 5: 初始化 QMD 索引（关键！）

之前我也看了很多教程，有的有这一步，有的没有，非常的混乱，经过多方研究后强烈推荐做 collection add + embed。

如果你想用 QMD 的高级功能：BM25 关键词 + 向量 semantic + LLM reranking（准确率远高于默认），尤其适合：

使用默认路径：

# 创建 collection
qmd collection add /root/.openclaw/workspace/memory --name agent-memory --mask "**/*.md"

# 添加上下文描述（推荐）
qmd context add /root/.openclaw/workspace/memory "OpenClaw agent workspace memory files: daily logs, decisions, states, notes"

# 生成 embeddings
qmd embed

# 更新索引
qmd update

步骤 6: 重启 OpenClaw

openclaw gateway restart
# 或在聊天里发 /restart

等 10–30 秒，让 QMD 初始化（首次可能建 DB 和索引）。

步骤 7: 验证

• 查看日志：bash

  openclaw logs --follow

  • 看到类似 "Using QMD memory backend" 或 "QMD initialized" → 成功！
  • 如果有 fallback 警告 → 检查步骤 5 是否跑了 collection/embed。

• 在聊天里测试：

  • 问 AI 一个之前会话里的细节（比如“记得我上周跟你说的项目 blocker 吗？”）。
  • 如果能准确从 memory 拉回 → QMD 生效了。
  • 或者用命令：/memory status --deep（看 indexed chunks 数量 >0）。

后续维护

• 定时更新（加 cron）：

  crontab -e
  # 每天凌晨2点
  0 2 * * * qmd update && qmd embed >> /root/qmd-update.log 2>&1

这样就完整了！直接复制命令，按顺序执行就行。

升级后，OpenClaw 的 memory_search 会用 BM25 + 向量 + rerank，记忆更准、token 更省！！有问题欢迎评论交流～