OpenClaw 에이전트를 위한 AI 메모리 어시스턴트
AI 에이전트에게 진짜 기억하는 두뇌를 선물하세요 — 세션을 넘어, 에이전트를 넘어, 시간을 넘어.
LanceDB 기반 OpenClaw 메모리 플러그인으로, 사용자 선호도·의사결정·프로젝트 맥락을 저장하고 이후 세션에서 자동으로 불러옵니다.
English | 简体中文 | 繁體中文 | 日本語 | 한국어 | Français | Español | Deutsch | Italiano | Русский | Português (Brasil)
대부분의 AI 에이전트는 건망증이 있습니다. 새 채팅을 시작하는 순간 모든 것을 잊어버립니다.
memory-lancedb-pro는 OpenClaw를 위한 프로덕션 수준의 장기 기억 플러그인으로, 에이전트를 AI 메모리 어시스턴트로 바꿔줍니다 — 중요한 내용을 자동으로 캡처하고, 노이즈는 자연스럽게 희미해지게 하며, 적시에 적절한 기억을 검색합니다. 수동 태그 지정도, 복잡한 설정도 필요 없습니다.
기억 없이 — 매 세션이 처음부터 시작:
사용자: "들여쓰기에 탭을 사용하고, 항상 에러 처리를 추가해." (다음 세션) 사용자: "이미 말했잖아 — 스페이스 말고 탭이라고!" 😤 (다음 세션) 사용자: "...진짜로, 탭이라고. 에러 처리도. 또."
memory-lancedb-pro와 함께 — 에이전트가 학습하고 기억합니다:
사용자: "들여쓰기에 탭을 사용하고, 항상 에러 처리를 추가해." (다음 세션 — 에이전트가 사용자 선호도를 자동으로 불러옴) 에이전트: (자동으로 탭 + 에러 처리 적용) ✅ 사용자: "지난달에 왜 MongoDB 대신 PostgreSQL을 선택했지?" 에이전트: "2월 12일 논의 내용에 따르면, 주요 이유는..." ✅
이것이 AI 메모리 어시스턴트가 만드는 차이입니다 — 사용자의 스타일을 학습하고, 과거 결정을 불러오며, 반복 없이 개인화된 응답을 제공합니다.
| 제공 기능 | |
|---|---|
| Auto-Capture | 에이전트가 모든 대화에서 학습 — 수동 memory_store 불필요 |
| Smart Extraction | LLM 기반 6개 카테고리 분류: profile, preferences, entities, events, cases, patterns |
| Intelligent Forgetting | Weibull 감쇠 모델 — 중요한 기억은 유지, 노이즈는 자연스럽게 사라짐 |
| Hybrid Retrieval | 벡터 + BM25 전문 검색, Cross-Encoder 리랭킹으로 융합 |
| Context Injection | 관련 기억이 매 응답 전에 자동으로 불러와짐 |
| Multi-Scope Isolation | 에이전트별, 사용자별, 프로젝트별 메모리 경계 |
| Any Provider | OpenAI, Jina, Gemini, Ollama 또는 OpenAI 호환 API 모두 지원 |
| Full Toolkit | CLI, 백업, 마이그레이션, 업그레이드, 내보내기/가져오기 — 프로덕션 환경에 적합 |
커뮤니티에서 관리하는 **설치 스크립트**가 설치, 업그레이드, 복구를 하나의 명령어로 처리합니다:
curl -fsSL https://raw.githubusercontent.com/CortexReach/toolbox/main/memory-lancedb-pro-setup/setup-memory.sh -o setup-memory.sh
bash setup-memory.sh스크립트가 다루는 전체 시나리오와 기타 커뮤니티 도구 목록은 아래 에코시스템을 참조하세요.
OpenClaw CLI를 통한 설치 (권장):
openclaw plugins install memory-lancedb-pro@beta또는 npm을 통한 설치:
npm i memory-lancedb-pro@betanpm을 사용하는 경우,
openclaw.json의plugins.load.paths에 플러그인 설치 디렉터리의 절대 경로를 추가해야 합니다. 이것이 가장 흔한 설정 문제입니다.
openclaw.json에 다음을 추가하세요:
{
"plugins": {
"slots": { "memory": "memory-lancedb-pro" },
"entries": {
"memory-lancedb-pro": {
"enabled": true,
"config": {
"embedding": {
"provider": "openai-compatible",
"apiKey": "${OPENAI_API_KEY}",
"model": "text-embedding-3-small"
},
"autoCapture": true,
"autoRecall": true,
"smartExtraction": true,
"extractMinMessages": 2,
"extractMaxChars": 8000,
"sessionMemory": { "enabled": false }
}
}
}
}
}왜 이러한 기본값인가?
autoCapture+smartExtraction→ 에이전트가 모든 대화에서 자동으로 학습autoRecall→ 매 응답 전에 관련 기억이 주입됨extractMinMessages: 2→ 일반적인 두 턴 대화에서 추출이 시작됨sessionMemory.enabled: false→ 초기에 세션 요약으로 검색이 오염되는 것을 방지
검증 및 재시작:
openclaw config validate
openclaw gateway restart
openclaw logs --follow --plain | grep "memory-lancedb-pro"다음이 표시되어야 합니다:
memory-lancedb-pro: smart extraction enabledmemory-lancedb-pro@...: plugin registered
완료! 이제 에이전트가 장기 기억을 갖게 됩니다.
추가 설치 경로 (기존 사용자, 업그레이드)
이미 OpenClaw를 사용 중인 경우:
- 절대 경로의
plugins.load.paths항목으로 플러그인 추가 - 메모리 슬롯 바인딩:
plugins.slots.memory = "memory-lancedb-pro" - 확인:
openclaw plugins info memory-lancedb-pro && openclaw memory-pro stats
v1.1.0 이전 버전에서 업그레이드하는 경우:
# 1) 백업
openclaw memory-pro export --scope global --output memories-backup.json
# 2) 시뮬레이션 실행
openclaw memory-pro upgrade --dry-run
# 3) 업그레이드 실행
openclaw memory-pro upgrade
# 4) 확인
openclaw memory-pro stats동작 변경사항과 업그레이드 근거는 CHANGELOG-v1.1.0.md를 참조하세요.
Telegram 봇 빠른 가져오기 (클릭하여 펼치기)
OpenClaw의 Telegram 연동을 사용하는 경우, 수동으로 설정을 편집하는 대신 메인 봇에 가져오기 명령어를 직접 보내는 것이 가장 쉬운 방법입니다.
다음 메시지를 전송하세요 (봇에 그대로 복사하여 붙여넣기하는 영문 프롬프트입니다):
Help me connect this memory plugin with the most user-friendly configuration: https://github.com/CortexReach/memory-lancedb-pro
Requirements:
1. Set it as the only active memory plugin
2. Use Jina for embedding
3. Use Jina for reranker
4. Use gpt-4o-mini for the smart-extraction LLM
5. Enable autoCapture, autoRecall, smartExtraction
6. extractMinMessages=2
7. sessionMemory.enabled=false
8. captureAssistant=false
9. retrieval mode=hybrid, vectorWeight=0.7, bm25Weight=0.3
10. rerank=cross-encoder, candidatePoolSize=12, minScore=0.6, hardMinScore=0.62
11. Generate the final openclaw.json config directly, not just an explanation
memory-lancedb-pro는 핵심 플러그인입니다. 커뮤니티에서 설정과 일상적인 사용을 더욱 원활하게 만드는 도구들을 구축했습니다:
단순한 인스톨러가 아닙니다 — 스크립트가 다양한 실제 시나리오를 지능적으로 처리합니다:
| 상황 | 스크립트의 동작 |
|---|---|
| 설치한 적 없음 | 새로 다운로드 → 의존성 설치 → 설정 선택 → openclaw.json에 기록 → 재시작 |
git clone으로 설치, 이전 커밋에서 멈춤 |
자동 git fetch + checkout으로 최신 버전 이동 → 의존성 재설치 → 확인 |
| 설정에 유효하지 않은 필드 존재 | 스키마 필터를 통한 자동 감지, 지원되지 않는 필드 제거 |
npm으로 설치 |
git 업데이트 건너뜀, npm update 직접 실행 알림 |
유효하지 않은 설정으로 openclaw CLI 동작 불가 |
대체 방법: openclaw.json 파일에서 직접 워크스페이스 경로 읽기 |
plugins/ 대신 extensions/ 사용 |
설정 또는 파일시스템에서 플러그인 위치 자동 감지 |
| 이미 최신 상태 | 상태 확인만 실행, 변경 없음 |
bash setup-memory.sh # 설치 또는 업그레이드
bash setup-memory.sh --dry-run # 미리보기만
bash setup-memory.sh --beta # 사전 릴리스 버전 포함
bash setup-memory.sh --uninstall # 설정 복원 및 플러그인 제거내장 프로바이더 프리셋: Jina / DashScope / SiliconFlow / OpenAI / Ollama, 또는 자체 OpenAI 호환 API를 사용할 수 있습니다. --ref, --selfcheck-only 등 전체 사용법은 설치 스크립트 README를 참조하세요.
이 Skill을 설치하면 AI 에이전트(Claude Code 또는 OpenClaw)가 memory-lancedb-pro의 모든 기능에 대한 깊은 지식을 갖게 됩니다. **"최적의 설정을 도와줘"**라고 말하면 다음을 제공합니다:
- 가이드 7단계 설정 워크플로우와 4가지 배포 계획:
- Full Power (Jina + OpenAI) / Budget (무료 SiliconFlow 리랭커) / Simple (OpenAI만) / Fully Local (Ollama, API 비용 제로)
- 모든 9개 MCP 도구의 올바른 사용법:
memory_recall,memory_store,memory_forget,memory_update,memory_stats,memory_list,self_improvement_log,self_improvement_extract_skill,self_improvement_review(전체 도구 세트를 사용하려면enableManagementTools: true가 필요합니다 — 기본 빠른 시작 설정은 4개 핵심 도구만 노출합니다) - 일반적인 함정 방지: 워크스페이스 플러그인 활성화,
autoRecall기본값 false, jiti 캐시, 환경 변수, 스코프 격리 등
Claude Code용 설치:
git clone https://github.com/CortexReach/memory-lancedb-pro-skill.git ~/.claude/skills/memory-lancedb-proOpenClaw용 설치:
git clone https://github.com/CortexReach/memory-lancedb-pro-skill.git ~/.openclaw/workspace/skills/memory-lancedb-pro-skill전체 안내: 설치, 설정, 하이브리드 검색 내부 구조.
┌─────────────────────────────────────────────────────────┐
│ index.ts (진입점) │
│ 플러그인 등록 · 설정 파싱 · 라이프사이클 훅 │
└────────┬──────────┬──────────┬──────────┬───────────────┘
│ │ │ │
┌────▼───┐ ┌────▼───┐ ┌───▼────┐ ┌──▼──────────┐
│ store │ │embedder│ │retriever│ │ scopes │
│ .ts │ │ .ts │ │ .ts │ │ .ts │
└────────┘ └────────┘ └────────┘ └─────────────┘
│ │
┌────▼───┐ ┌─────▼──────────┐
│migrate │ │noise-filter.ts │
│ .ts │ │adaptive- │
└────────┘ │retrieval.ts │
└────────────────┘
┌─────────────┐ ┌──────────┐
│ tools.ts │ │ cli.ts │
│ (에이전트API)│ │ (CLI) │
└─────────────┘ └──────────┘
전체 아키텍처에 대한 심층 분석은 docs/memory_architecture_analysis.md를 참조하세요.
파일 레퍼런스 (클릭하여 펼치기)
| 파일 | 용도 |
|---|---|
index.ts |
플러그인 진입점. OpenClaw Plugin API에 등록, 설정 파싱, 라이프사이클 훅 마운트 |
openclaw.plugin.json |
플러그인 메타데이터 + 전체 JSON Schema 설정 선언 |
cli.ts |
CLI 명령어: memory-pro list/search/stats/delete/delete-bulk/export/import/reembed/upgrade/migrate |
src/store.ts |
LanceDB 스토리지 레이어. 테이블 생성 / FTS 인덱싱 / 벡터 검색 / BM25 검색 / CRUD |
src/embedder.ts |
임베딩 추상화. OpenAI 호환 API 프로바이더 모두 지원 |
src/retriever.ts |
하이브리드 검색 엔진. 벡터 + BM25 → 하이브리드 퓨전 → 리랭크 → 라이프사이클 감쇠 → 필터 |
src/scopes.ts |
멀티 스코프 접근 제어 |
src/tools.ts |
에이전트 도구 정의: memory_recall, memory_store, memory_forget, memory_update + 관리 도구 |
src/noise-filter.ts |
에이전트 거절, 메타 질문, 인사, 저품질 콘텐츠 필터링 |
src/adaptive-retrieval.ts |
쿼리에 메모리 검색이 필요한지 판단 |
src/migrate.ts |
내장 memory-lancedb에서 Pro로의 마이그레이션 |
src/smart-extractor.ts |
LLM 기반 6개 카테고리 추출 + L0/L1/L2 계층 저장 + 2단계 중복 제거 |
src/decay-engine.ts |
Weibull 확장 지수 감쇠 모델 |
src/tier-manager.ts |
3단계 승격/강등: Peripheral ↔ Working ↔ Core |
Query → embedQuery() ─┐
├─→ Hybrid Fusion → Rerank → Lifecycle Decay Boost → Length Norm → Filter
Query → BM25 FTS ─────┘
- 벡터 검색 — LanceDB ANN을 통한 의미적 유사도 (코사인 거리)
- BM25 전문 검색 — LanceDB FTS 인덱스를 통한 정확한 키워드 매칭
- 하이브리드 퓨전 — 벡터 스코어를 기본으로, BM25 히트에 가중 부스트 적용 (표준 RRF가 아님 — 실제 검색 품질에 맞게 튜닝됨)
- 가중치 설정 가능 —
vectorWeight,bm25Weight,minScore
- Jina, SiliconFlow, Voyage AI, Pinecone 내장 어댑터
- Jina 호환 엔드포인트와 호환 (예: Hugging Face TEI, DashScope)
- 하이브리드 스코어링: Cross-Encoder 60% + 원래 퓨전 스코어 40%
- 그레이스풀 디그레이데이션: API 실패 시 코사인 유사도로 폴백
| 단계 | 효과 |
|---|---|
| 하이브리드 퓨전 | 의미적 검색과 정확한 매칭 결합 |
| Cross-Encoder 리랭크 | 의미적으로 정확한 결과 승격 |
| 라이프사이클 감쇠 부스트 | Weibull 최신성 + 접근 빈도 + 중요도 × 신뢰도 |
| 길이 정규화 | 긴 항목이 결과를 지배하는 것을 방지 (앵커: 500자) |
| 최소 점수 하한 | 관련 없는 결과 제거 (기본값: 0.35) |
| MMR 다양성 | 코사인 유사도 > 0.85 → 강등 |
- LLM 기반 6개 카테고리 추출: profile, preferences, entities, events, cases, patterns
- L0/L1/L2 계층 저장: L0 (한 줄 인덱스) → L1 (구조화된 요약) → L2 (전체 내러티브)
- 2단계 중복 제거: 벡터 유사도 사전 필터 (≥0.7) → LLM 의미 판단 (CREATE/MERGE/SKIP)
- 카테고리 인식 병합:
profile은 항상 병합,events/cases는 추가 전용
- Weibull 감쇠 엔진: 복합 점수 = 최신성 + 빈도 + 내재적 가치
- 3단계 승격:
Peripheral ↔ Working ↔ Core, 설정 가능한 임계값 - 접근 강화: 자주 불러오는 기억은 더 느리게 감쇠 (간격 반복 학습 방식)
- 중요도 조절 반감기: 중요한 기억은 더 느리게 감쇠
- 내장 스코프:
global,agent:<id>,custom:<name>,project:<id>,user:<id> scopes.agentAccess를 통한 에이전트 수준 접근 제어- 기본값: 각 에이전트가
global+ 자체agent:<id>스코프에 접근
- Auto-Capture (
agent_end): 대화에서 선호도/사실/결정/엔티티를 추출, 중복 제거, 턴당 최대 3개 저장 - Auto-Recall (
before_agent_start):<relevant-memories>컨텍스트 주입 (최대 3개 항목)
- 저품질 콘텐츠 필터링: 에이전트 거절, 메타 질문, 인사
- 인사, 슬래시 명령어, 간단한 확인, 이모지에 대해서는 검색 건너뜀
- 기억 키워드에 대해서는 검색 강제 실행 ("기억해", "이전에", "지난번에")
- CJK 인식 임계값 (중국어: 6자 vs 영어: 15자)
내장 memory-lancedb와의 비교 (클릭하여 펼치기)
| 기능 | 내장 memory-lancedb |
memory-lancedb-pro |
|---|---|---|
| 벡터 검색 | 예 | 예 |
| BM25 전문 검색 | - | 예 |
| 하이브리드 퓨전 (벡터 + BM25) | - | 예 |
| Cross-Encoder 리랭크 (멀티 프로바이더) | - | 예 |
| 최신성 부스트 및 시간 감쇠 | - | 예 |
| 길이 정규화 | - | 예 |
| MMR 다양성 | - | 예 |
| 멀티 스코프 격리 | - | 예 |
| 노이즈 필터링 | - | 예 |
| 적응형 검색 | - | 예 |
| 관리 CLI | - | 예 |
| 세션 메모리 | - | 예 |
| 태스크 인식 임베딩 | - | 예 |
| LLM Smart Extraction (6개 카테고리) | - | 예 (v1.1.0) |
| Weibull 감쇠 + 단계 승격 | - | 예 (v1.1.0) |
| OpenAI 호환 임베딩 | 제한적 | 예 |
전체 설정 예시
{
"embedding": {
"apiKey": "${JINA_API_KEY}",
"model": "jina-embeddings-v5-text-small",
"baseURL": "https://api.jina.ai/v1",
"dimensions": 1024,
"taskQuery": "retrieval.query",
"taskPassage": "retrieval.passage",
"normalized": true
},
"dbPath": "~/.openclaw/memory/lancedb-pro",
"autoCapture": true,
"autoRecall": true,
"retrieval": {
"mode": "hybrid",
"vectorWeight": 0.7,
"bm25Weight": 0.3,
"minScore": 0.3,
"rerank": "cross-encoder",
"rerankApiKey": "${JINA_API_KEY}",
"rerankModel": "jina-reranker-v3",
"rerankEndpoint": "https://api.jina.ai/v1/rerank",
"rerankProvider": "jina",
"candidatePoolSize": 20,
"recencyHalfLifeDays": 14,
"recencyWeight": 0.1,
"filterNoise": true,
"lengthNormAnchor": 500,
"hardMinScore": 0.35,
"timeDecayHalfLifeDays": 60,
"reinforcementFactor": 0.5,
"maxHalfLifeMultiplier": 3
},
"enableManagementTools": false,
"scopes": {
"default": "global",
"definitions": {
"global": { "description": "Shared knowledge" },
"agent:discord-bot": { "description": "Discord bot private" }
},
"agentAccess": {
"discord-bot": ["global", "agent:discord-bot"]
}
},
"sessionMemory": {
"enabled": false,
"messageCount": 15
},
"smartExtraction": true,
"llm": {
"apiKey": "${OPENAI_API_KEY}",
"model": "gpt-4o-mini",
"baseURL": "https://api.openai.com/v1"
},
"extractMinMessages": 2,
"extractMaxChars": 8000
}임베딩 프로바이더
OpenAI 호환 임베딩 API와 모두 동작합니다:
| 프로바이더 | 모델 | Base URL | 차원 |
|---|---|---|---|
| Jina (권장) | jina-embeddings-v5-text-small |
https://api.jina.ai/v1 |
1024 |
| OpenAI | text-embedding-3-small |
https://api.openai.com/v1 |
1536 |
| Voyage | voyage-4-lite / voyage-4 |
https://api.voyageai.com/v1 |
1024 / 1024 |
| Google Gemini | gemini-embedding-001 |
https://generativelanguage.googleapis.com/v1beta/openai/ |
3072 |
| Ollama (로컬) | nomic-embed-text |
http://localhost:11434/v1 |
프로바이더별 상이 |
리랭크 프로바이더
Cross-Encoder 리랭킹은 rerankProvider를 통해 여러 프로바이더를 지원합니다:
| 프로바이더 | rerankProvider |
예시 모델 |
|---|---|---|
| Jina (기본값) | jina |
jina-reranker-v3 |
| SiliconFlow (무료 티어 제공) | siliconflow |
BAAI/bge-reranker-v2-m3 |
| Voyage AI | voyage |
rerank-2.5 |
| Pinecone | pinecone |
bge-reranker-v2-m3 |
Jina 호환 리랭크 엔드포인트도 사용 가능합니다 — rerankProvider: "jina"로 설정하고 rerankEndpoint를 해당 서비스로 지정하세요 (예: Hugging Face TEI, DashScope qwen3-rerank).
Smart Extraction (LLM) — v1.1.0
smartExtraction이 활성화되면 (기본값: true), 플러그인이 정규식 기반 트리거 대신 LLM을 사용하여 기억을 지능적으로 추출하고 분류합니다.
| 필드 | 타입 | 기본값 | 설명 |
|---|---|---|---|
smartExtraction |
boolean | true |
LLM 기반 6개 카테고리 추출 활성화/비활성화 |
llm.auth |
string | api-key |
api-key는 llm.apiKey / embedding.apiKey를 사용; oauth는 기본적으로 플러그인 범위의 OAuth 토큰 파일을 사용 |
llm.apiKey |
string | (embedding.apiKey로 폴백) |
LLM 프로바이더용 API 키 |
llm.model |
string | openai/gpt-oss-120b |
LLM 모델명 |
llm.baseURL |
string | (embedding.baseURL로 폴백) |
LLM API 엔드포인트 |
llm.oauthProvider |
string | openai-codex |
llm.auth가 oauth일 때 사용되는 OAuth 프로바이더 ID |
llm.oauthPath |
string | ~/.openclaw/.memory-lancedb-pro/oauth.json |
llm.auth가 oauth일 때 사용되는 OAuth 토큰 파일 |
llm.timeoutMs |
number | 30000 |
LLM 요청 타임아웃 (밀리초) |
extractMinMessages |
number | 2 |
추출이 시작되는 최소 메시지 수 |
extractMaxChars |
number | 8000 |
LLM에 전송되는 최대 문자 수 |
OAuth llm 설정 (기존 Codex / ChatGPT 로그인 캐시를 LLM 호출에 사용):
{
"llm": {
"auth": "oauth",
"oauthProvider": "openai-codex",
"model": "gpt-5.4",
"oauthPath": "${HOME}/.openclaw/.memory-lancedb-pro/oauth.json",
"timeoutMs": 30000
}
}llm.auth: "oauth" 참고사항:
llm.oauthProvider는 현재openai-codex입니다.- OAuth 토큰은 기본적으로
~/.openclaw/.memory-lancedb-pro/oauth.json에 저장됩니다. - 파일을 다른 곳에 저장하려면
llm.oauthPath를 설정하세요. auth login은 OAuth 파일 옆에 이전 api-keyllm설정의 스냅샷을 저장하며,auth logout은 해당 스냅샷이 있을 때 복원합니다.api-key에서oauth로 전환할 때llm.baseURL이 자동으로 이전되지 않습니다. OAuth 모드에서 의도적으로 사용자 정의 ChatGPT/Codex 호환 백엔드를 원하는 경우에만 수동으로 설정하세요.
라이프사이클 설정 (감쇠 + 단계)
| 필드 | 기본값 | 설명 |
|---|---|---|
decay.recencyHalfLifeDays |
30 |
Weibull 최신성 감쇠의 기본 반감기 |
decay.frequencyWeight |
0.3 |
복합 점수에서 접근 빈도의 가중치 |
decay.intrinsicWeight |
0.3 |
importance × confidence의 가중치 |
decay.betaCore |
0.8 |
core 기억의 Weibull 베타 |
decay.betaWorking |
1.0 |
working 기억의 Weibull 베타 |
decay.betaPeripheral |
1.3 |
peripheral 기억의 Weibull 베타 |
tier.coreAccessThreshold |
10 |
core로 승격하기 위한 최소 호출 횟수 |
tier.peripheralAgeDays |
60 |
오래된 기억을 강등하기 위한 경과 일수 임계값 |
접근 강화
자주 불러오는 기억은 더 느리게 감쇠합니다 (간격 반복 학습 방식).
설정 키 (retrieval 하위):
reinforcementFactor(0-2, 기본값:0.5) —0으로 설정하면 비활성화maxHalfLifeMultiplier(1-10, 기본값:3) — 유효 반감기의 하드 캡
openclaw memory-pro list [--scope global] [--category fact] [--limit 20] [--json]
openclaw memory-pro search "query" [--scope global] [--limit 10] [--json]
openclaw memory-pro stats [--scope global] [--json]
openclaw memory-pro auth login [--provider openai-codex] [--model gpt-5.4] [--oauth-path /abs/path/oauth.json]
openclaw memory-pro auth status
openclaw memory-pro auth logout
openclaw memory-pro delete <id>
openclaw memory-pro delete-bulk --scope global [--before 2025-01-01] [--dry-run]
openclaw memory-pro export [--scope global] [--output memories.json]
openclaw memory-pro import memories.json [--scope global] [--dry-run]
openclaw memory-pro reembed --source-db /path/to/old-db [--batch-size 32] [--skip-existing]
openclaw memory-pro upgrade [--dry-run] [--batch-size 10] [--no-llm] [--limit N] [--scope SCOPE]
openclaw memory-pro migrate check|run|verify [--source /path]OAuth 로그인 흐름:
openclaw memory-pro auth login실행--provider를 생략하고 대화형 터미널에서 실행하면, 브라우저를 열기 전에 CLI가 OAuth 프로바이더 선택기를 표시합니다- 명령어가 인증 URL을 출력하고
--no-browser가 설정되지 않은 한 브라우저를 엽니다 - 콜백이 성공하면, 명령어가 플러그인 OAuth 파일 (기본값:
~/.openclaw/.memory-lancedb-pro/oauth.json)을 저장하고, 이전 api-keyllm설정의 스냅샷을 로그아웃용으로 저장하며, 플러그인llm설정을 OAuth 설정 (auth,oauthProvider,model,oauthPath)으로 교체합니다 openclaw memory-pro auth logout은 해당 OAuth 파일을 삭제하고 스냅샷이 존재하면 이전 api-keyllm설정을 복원합니다
주입된 기억이 응답에 표시되는 경우
가끔 모델이 주입된 <relevant-memories> 블록을 그대로 출력할 수 있습니다.
옵션 A (가장 안전): 일시적으로 Auto-Recall 비활성화:
{ "plugins": { "entries": { "memory-lancedb-pro": { "config": { "autoRecall": false } } } } }옵션 B (권장): Auto-Recall은 유지하고 에이전트 시스템 프롬프트에 추가:
<relevant-memories>/ 메모리 주입 콘텐츠를 응답에 노출하거나 인용하지 마세요. 내부 참고용으로만 사용하세요.
세션 메모리
/new명령어 시 작동 — 이전 세션 요약을 LanceDB에 저장- 기본적으로 비활성화 (OpenClaw에 이미 네이티브
.jsonl세션 영속화 기능이 있음) - 메시지 수 설정 가능 (기본값: 15)
배포 모드와 /new 검증에 대해서는 docs/openclaw-integration-playbook.md를 참조하세요.
커스텀 슬래시 명령어 (예: /lesson)
CLAUDE.md, AGENTS.md 또는 시스템 프롬프트에 다음을 추가하세요 (에이전트가 읽는 영문 지시문이므로 그대로 사용합니다):
## /lesson command
When the user sends `/lesson <content>`:
1. Use memory_store to save as category=fact (raw knowledge)
2. Use memory_store to save as category=decision (actionable takeaway)
3. Confirm what was saved
## /remember command
When the user sends `/remember <content>`:
1. Use memory_store to save with appropriate category and importance
2. Confirm with the stored memory IDAI 에이전트를 위한 철칙
아래 블록을
AGENTS.md에 복사하여 에이전트가 이 규칙을 자동으로 적용하도록 하세요 (에이전트가 읽는 영문 지시문이므로 그대로 사용합니다).
## Rule 1 — Dual-layer memory storage
Every pitfall/lesson learned → IMMEDIATELY store TWO memories:
- Technical layer: Pitfall: [symptom]. Cause: [root cause]. Fix: [solution]. Prevention: [how to avoid]
(category: fact, importance >= 0.8)
- Principle layer: Decision principle ([tag]): [behavioral rule]. Trigger: [when]. Action: [what to do]
(category: decision, importance >= 0.85)
## Rule 2 — LanceDB hygiene
Entries must be short and atomic (< 500 chars). No raw conversation summaries or duplicates.
## Rule 3 — Recall before retry
On ANY tool failure, ALWAYS memory_recall with relevant keywords BEFORE retrying.
## Rule 4 — Confirm target codebase
Confirm you are editing memory-lancedb-pro vs built-in memory-lancedb before changes.
## Rule 5 — Clear jiti cache after plugin code changes
After modifying .ts files under plugins/, MUST run rm -rf /tmp/jiti/ BEFORE openclaw gateway restart.데이터베이스 스키마
LanceDB 테이블 memories:
| 필드 | 타입 | 설명 |
|---|---|---|
id |
string (UUID) | 기본 키 |
text |
string | 기억 텍스트 (FTS 인덱싱됨) |
vector |
float[] | 임베딩 벡터 |
category |
string | 저장 카테고리: preference / fact / decision / entity / reflection / other |
scope |
string | 스코프 식별자 (예: global, agent:main) |
importance |
float | 중요도 점수 0-1 |
timestamp |
int64 | 생성 타임스탬프 (ms) |
metadata |
string (JSON) | 확장 메타데이터 |
v1.1.0의 주요 metadata 키: l0_abstract, l1_overview, l2_content, memory_category, tier, access_count, confidence, last_accessed_at
카테고리 참고: 최상위
category필드는 6개 저장 카테고리를 사용합니다. Smart Extraction의 6개 카테고리 의미 라벨 (profile/preferences/entities/events/cases/patterns)은metadata.memory_category에 저장됩니다.
문제 해결
LanceDB 0.26 이상에서 일부 숫자 열이 BigInt로 반환될 수 있습니다. memory-lancedb-pro >= 1.0.14로 업그레이드하세요 — 이 플러그인은 이제 산술 연산 전에 Number(...)를 사용하여 값을 변환합니다.
| 문서 | 설명 |
|---|---|
| OpenClaw 통합 플레이북 | 배포 모드, 검증, 회귀 매트릭스 |
| 메모리 아키텍처 분석 | 전체 아키텍처 심층 분석 |
| CHANGELOG v1.1.0 | v1.1.0 동작 변경사항 및 업그레이드 근거 |
| 장문 컨텍스트 청킹 | 긴 문서를 위한 청킹 전략 |
상태: 베타 —
npm i memory-lancedb-pro@beta로 사용 가능.latest를 사용하는 안정 버전 사용자는 영향 없음.
| 기능 | 설명 |
|---|---|
| Smart Extraction | LLM 기반 6개 카테고리 추출 + L0/L1/L2 메타데이터. 비활성화 시 정규식으로 폴백. |
| 라이프사이클 스코어링 | 검색에 Weibull 감쇠 통합 — 높은 빈도와 높은 중요도의 기억이 상위에 랭크. |
| 단계 관리 | 3단계 시스템 (Core → Working → Peripheral), 자동 승격/강등. |
피드백: GitHub Issues · 되돌리기: npm i memory-lancedb-pro@latest
| 패키지 | 용도 |
|---|---|
@lancedb/lancedb ≥0.26.2 |
벡터 데이터베이스 (ANN + FTS) |
openai ≥6.21.0 |
OpenAI 호환 Embedding API 클라이언트 |
@sinclair/typebox 0.34.48 |
JSON Schema 타입 정의 |
Full list: Contributors
MIT
