01 / 19
1 / 19
🧠

MemOS 演示指南

让 AI 拥有记忆 · 从经验到技能 · 从个人到团队

✦ 全部真实数据 ✦ 现场实操 ✦ 零造假

Demo Playbook · 2026.03 · 演示时长约 15 分钟

你的 AI 已经积累了 这些

以下数据全部来自真实使用，不是演示用的假数据

1,185
记忆片段
71
识别任务
14
已完成任务
1
自动生成技能

📈 自动生成的技能

📈 stock-market-analysis-framework A股市场复盘分析框架 四层分析法：指数表现 → 结构分化 → 资金情绪 → 次日策略

来源：3月12日的一次 A 股复盘对话，MemOS 自动提炼

🔧 已完成的典型任务

• Nginx 反向代理配置 真实
• 创建 Node.js Dockerfile 真实
• TypeScript 搭建 Express API 真实
• PostgreSQL 14 数据库配置 真实
• MySQL 行锁 + K8s 集群配置 真实
• DevOps: Jenkins / SonarQube / Terraform 真实

今日演示 两大场景

全部基于真实使用数据，现场实操

📈
真实技能

Demo 1: Mem2Skill

"我就聊了一次股票，AI 就学会了"

真实场景：我上周和 AI 聊了一次 A 股复盘。
MemOS 默默记录了 164 条记忆，
自动提炼出一套「A 股复盘分析框架」技能，
现在 AI 每次分析股票都自动套用这个框架。

真实记忆 真实技能 现场验证
🌐
现场搭建

Demo 2: 团队共享

"3 分钟让团队共享知识"

现场演示：从零开始搭建团队知识共享。
把我的 Nginx 配置经验 分享到团队，
打开管理面板，展示共享内容，
证明：一个人的经验 = 全团队的能力。

现场搭建 真实任务 全流程展示
DEMO 1 · 真实数据

Mem2Skill

我只是和 AI 聊了一次 A 股行情

MemOS 就自动学会了我的分析方法

164 条真实记忆 1 个自动生成技能
🎬 现场操作 · STEP 1

打开记忆 — 搜索 "A股"

📋 操作步骤

1. 浏览器打开 http://127.0.0.1:18799

2. 登录后，默认进入 记忆 页面

3. 搜索框输入 "A股 复盘"

4. 展示搜索结果 — 指出这些都是之前聊天时自动记录的

5. 点击任意一条，展开看原始对话上下文

大家看到了吗？我上周和 AI 聊了一次 A 股行情，MemOS 默默记住了 164 条对话内容，还给每条记忆做了摘要和向量索引。我搜「A 股复盘」，所有相关记忆全部出来了。这些不是我手动存的，是自动的。

📌 关键展示点

✓自动采集 — 每次对话自动记录，无需手动操作
✓语义搜索 — 不需要精确关键词，用自然语言搜索
✓智能摘要 — 每条记忆自动生成一句话摘要
✓上下文回溯 — 点击可查看完整对话上下文

💡 Tip：也可以搜「DevOps」「Nginx」「Docker」等展示其他主题的记忆，证明覆盖面广。

🎬 现场操作 · STEP 2

任务面板 — AI 理解了你在干嘛

📋 操作步骤

1. 点击顶部 "任务" 标签

2. 展示任务列表 — 滚动让观众看到各种任务标题

3. 找到 "2026年3月12日A股市场复盘分析"

4. 展开查看任务摘要 — 目标、步骤、结果

5. 指出该任务标有 skill generated

📄 真实任务摘要预览

🎯 目标 了解2026年3月12日A股市场行情表现 📋 关键步骤 • 指数表现：沪深300、上证50、中证1000 • 结构分化：政策/产业主线 + 资金偏好 • 资金与情绪：成交额、涨跌家数、北向资金 • 次日应对策略：根据判断调仓位 ✅ 结果 使用检索接口获取了市场具体数据
MemOS 不只是记住你说了什么，还能理解你在做什么。它把一次聊天归纳成了一个完整任务：目标、步骤、结果。更厉害的是 — 它从这个任务里提炼出了一个可复用的技能。下面我给大家看。
⭐ 高光时刻 · STEP 3

技能面板 — AI 自动写了操作手册

📋 操作步骤

1. 点击顶部 "技能" 标签

2. 找到 📈 stock-market-analysis-framework

3. 点击展开 — 让观众看完整的 SKILL.md

4. 缓慢滚动，让大家看清每一部分：
　适用场景 → 4 个步骤 → 常见陷阱 → 环境要求

大家看仔细了 — 这个文件我一个字都没手写。MemOS 从我上周的一次聊天中，自动提炼出了一套完整的「A 股复盘分析框架」。四层分析法：指数、结构、资金、策略。甚至还总结了常见陷阱：只看指数涨跌容易忽略结构性机会。这是 AI 从我的经验中学会的。

📈 SKILL.md 关键内容

# A股市场复盘分析框架 ## 适用场景 • 分析A股整体表现，判断市场风格 • 识别政策主线和资金偏好 • 通过情绪指标决定投资策略 • 根据分析调整投资组合和仓位 ## 步骤 1. 分析指数表现（沪深300/上证50/中证1000） 2. 识别结构分化（政策+资金主线） 3. 评估资金与情绪（成交额/涨跌家数） 4. 制定次日应对策略 ## 常见陷阱 ❌ 只关注指数涨跌 → 忽略结构性机会 ✅ 使用四层框架进行全面分析
⭐ 现场验证 · STEP 4

现场提问 — AI 自动套用框架

📋 操作步骤

1. 打开 OpenClaw 对话窗口

2. 输入：

帮我分析一下今天 A 股大盘走势

3. 观察 AI 回答 —— 应该自动按四层框架输出：
　指数 → 结构 → 资金情绪 → 策略

4. 打开 Logs 展示 skill_search 调用

✨ 预期效果

✅ AI 自动按四层框架组织回答
✅ 包含指数对比（大盘 vs 成长）
✅ 包含资金情绪判断
✅ 给出次日策略建议
我什么都没提示，只说「分析 A 股」，AI 就自动按我之前用过的四层分析法输出了。这不是提示词工程，是 AI 真正学会了我的分析方法。以后每次分析，它都会用这套框架。

⚠ 备选方案

若 AI 响应不理想，直接打开 Logs → 过滤 skill_search → 展示 AI 确实查询了技能，强调这个机制已在工作。

❝

我只是和 AI 聊了聊股票
它就自己写了一本操作手册

0
手动操作
164
自动记忆
1
自动生成技能

对话即培训 · 经验即技能 · 你用得越多，AI 越懂你

DEMO 2 · 现场搭建

团队 共享

从零开始，3 分钟搭建团队知识共享

把真实的运维经验分享给全团队

现场操作 真实任务数据
🎬 现场操作 · STEP 1

设置页面 — 开启团队共享

📋 操作步骤

1. Memory Viewer → 点击 "设置" 标签

2. 滚动到 团队共享 卡片

3. 打开 "启用团队共享" 开关

4. 选择 "服务端（托管团队）" 角色

5. 展示：Team Name 和 Team Token 自动生成

6. 点击 "Save Settings"

7. 重启 gateway（已提前设好则跳过）

📌 展示亮点

✓卡片化设置页 — 分类清晰，一目了然
✓一键开启 — 不需要编辑配置文件
✓Token 自动生成 — 安全认证开箱即用
✓分享信息卡 — 一键复制服务器地址和 Token
搭建团队知识共享有多简单？打开开关，选个角色，保存。就这三步。Token 自动生成，地址自动获取。把这个地址和 Token 发给同事，他们就能连上你的知识库了。
🎬 现场操作 · STEP 2

分享任务 — 把经验推到团队

📋 操作步骤

1. 切换到 "任务" 标签

2. 找到 "Nginx 反向代理配置" 任务

3. 展开 → 点击 "共享到团队" 按钮

4. 同样分享 "创建 Node.js Dockerfile"

5. 再分享 "PostgreSQL 14 数据库配置"

我现在把我之前做过的三个运维任务分享到团队：Nginx 配置、Docker 部署、数据库配置。这些都是我真实的工作经验。分享出去之后，团队里任何人的 AI 都能检索到这些知识。

📄 分享内容预览

Nginx 反向代理配置 🎯 部署 Nginx 反向代理，监听 443 端口 📋 SSL + upstream + gzip + 缓存头 ✅ 包含完整配置代码 创建 Node.js Dockerfile 🎯 编写生产级 Dockerfile 📋 多阶段构建 + .dockerignore PostgreSQL 14 数据库配置 🎯 配置生产环境数据库 📋 连接池 + 安全设置

💡 如果有第二台设备：让同事在自己电脑上连接团队，搜索 "Nginx 配置"，展示跨设备知识检索。效果更震撼。

⭐ 高光时刻 · STEP 3

管理面板 — 团队知识可视化

📋 操作步骤

1. 点击顶部 "管理" 标签

2. 展示统计面板 — 共享任务数刚刚增加了

3. 点击 "Shared Tasks" 子标签

4. 展示刚才分享的三个任务 — 实时可见！

5. 切换到 "Users" 展示用户管理

大家看管理面板 — 我刚才分享的三个任务已经出现在这里了。如果有同事连接进来，他们会出现在 Users 列表里。管理员可以批准或拒绝加入申请，所有操作都在 UI 上完成，不需要碰任何配置文件。

📌 关键展示点

✓实时同步 — 分享后立即在管理面板可见
✓用户管理 — Admin 可批准/拒绝成员加入
✓权限控制 — group / public 可见性
✓全 UI 操作 — 零配置文件编辑

💡 加分操作

也可以把 stock-market-analysis-framework 技能发布到团队（Skill Publish），展示技能共享：你学会的方法，全团队的 AI 都能用。

❝

一个人的经验
不应该锁在一个人的 电脑里

3 步
搭建共享
1 键
分享经验
全 UI
零配置

个体经验 → 组织记忆 · 新人即老手 · 知识永不流失

完整演示 流程图

从头到尾的操作路径，演讲者照做即可

Demo 1: Mem2Skill (7 min)

1打开 Viewer → 记忆页
搜索"A股复盘"展示记忆
2切换 → 任务页
展示 A 股任务摘要和 skill generated 标记
3切换 → 技能页 ⭐
展开 SKILL.md 内容 — 高光时刻
4打开对话 → 现场提问
"帮我分析A股" 验证框架效果

Demo 2: 团队共享 (8 min)

1切换 → 设置页
团队共享卡片 → 开启 → 选角色 → 保存
2切换 → 任务页
分享 Nginx / Docker / PostgreSQL 任务
3切换 → 管理页 ⭐
展示共享内容 + 用户管理 — 高光时刻
4(加分) 第二台设备 搜索验证
跨设备搜索 "Nginx" 展示知识流动

常见问题 应对

❓ "AI 回答没用到技能框架"

打开 Logs → 过滤 skill_search，展示 AI 确实搜索了技能。若未匹配，可能是问法太笼统，换成 "用四层框架分析 A 股" 效果更好。

❓ "服务端重启后连不上"

提前确认 gateway 已启动且服务端口 18800 可用。Settings 页面「连接状态」区域会实时显示。如果需要，提前重启好。

❓ "为什么只有 1 个技能？"

技能生成条件严格：6+ memory chunks + 任务完成 + LLM 评估。大多数短对话不会触发。这恰恰说明 MemOS 是有质量把控的，不会生成垃圾技能。

💡 "数据安全怎么保证？"

所有数据存本地 SQLite。团队共享通过 Token 认证。不开启团队共享 = 纯本地，不影响使用。展示 Settings 中的 "不开启也不影响" 提示。

💡 "和 RAG 有什么区别？"

RAG = 查文档。MemOS = 记忆 + 理解（任务归纳） + 学习（技能生成） + 分享（团队）。RAG 只是 MemOS 的第一层。

💡 "需要额外部署什么吗？"

不需要。MemOS 是 OpenClaw 插件，安装即用。数据库用内嵌 SQLite，向量索引自带。唯一需要的是配置一个 Embedding Model（可用 Host 代理）。

演示日 Checklist

上台前 10 分钟逐项确认

🔌 环境

☐ openclaw gateway 已启动
☐ Memory Viewer 可打开 (18799)
☐ 浏览器已登录
☐ 网络稳定（AI API 可用）
☐ 关闭无关通知和弹窗

📊 数据

☐ 记忆页能搜到 "A股" 相关
☐ 任务页有 A 股复盘 (completed)
☐ 技能页有 stock-market 技能
☐ 任务页有 Nginx/Docker 等
☐ 团队共享已开启或可现场开启

🎤 演讲

☐ 本指南已打开备用
☐ 四个 Step 操作路径记牢
☐ 🎤 话术心中有数
☐ 备选方案记好
☐ 自信演示 ✨

一句话总结给观众

MemOS 让你的 AI
从金鱼记忆进化到过目不忘
从只会执行进化到学会方法
从各自为战进化到团队共享
🧠

Good Luck !

祝演示顺利

Memory Viewer
http://127.0.0.1:18799
Team Server
http://127.0.0.1:18800

MemOS — 让 AI 拥有记忆，让团队共享智慧

按 F 键全屏 · ← → 翻页