Skip to content

README_RU.md

Latest commit

 

History

History
773 lines (585 loc) · 45.6 KB

README_RU.md

File metadata and controls

773 lines (585 loc) · 45.6 KB

🧠 memory-lancedb-pro · 🦞OpenClaw Plugin

ИИ-ассистент памяти для агентов OpenClaw

Дайте вашему ИИ-агенту мозг, который действительно помнит: между сессиями, между агентами и с течением времени.

Плагин долгосрочной памяти для OpenClaw на базе LanceDB, который сохраняет предпочтения, решения и контекст проекта, а затем автоматически вспоминает их в будущих сессиях.

OpenClaw Plugin npm version LanceDB License: MIT

English | 简体中文 | 繁體中文 | 日本語 | 한국어 | Français | Español | Deutsch | Italiano | Русский | Português (Brasil)

Почему memory-lancedb-pro?

Большинство ИИ-агентов страдают амнезией. Они забывают все, как только вы начинаете новый чат.

memory-lancedb-pro — это production-grade плагин долгосрочной памяти для OpenClaw, который превращает вашего агента в настоящего ИИ-ассистента памяти. Он автоматически фиксирует важное, позволяет шуму естественно угасать и поднимает нужное воспоминание в нужный момент. Никаких ручных тегов, никаких мучений с конфигурацией.

Как это выглядит на практике

Без памяти: каждая сессия начинается с нуля

Вы: "Используй табы для отступов и всегда добавляй обработку ошибок." (следующая сессия) Вы: "Я же уже говорил: табы, а не пробелы!" 😤 (еще одна сессия) Вы: "...серьезно, табы. И обработка ошибок. Снова."

С memory-lancedb-pro агент учится и помнит

Вы: "Используй табы для отступов и всегда добавляй обработку ошибок." (следующая сессия: агент автоматически вспоминает ваши предпочтения) Агент: (молча применяет табы + обработку ошибок) ✅ Вы: "Почему в прошлом месяце мы выбрали PostgreSQL, а не MongoDB?" Агент: "Судя по нашему обсуждению 12 февраля, основные причины были..." ✅

В этом и есть разница: ИИ-ассистент памяти изучает ваш стиль, вспоминает прошлые решения и дает персонализированные ответы без необходимости повторять одно и то же.

Что еще он умеет?

Что вы получаете
Автозахват Агент учится на каждом разговоре, без ручного memory_store
Умное извлечение Классификация на основе LLM по 6 категориям: профили, предпочтения, сущности, события, кейсы, паттерны
Интеллектуальное забывание Модель затухания Weibull: важные воспоминания остаются, шум естественно исчезает
Гибридный поиск Векторный поиск + полнотекстовый BM25 с объединением и cross-encoder rerank
Инъекция контекста Релевантные воспоминания автоматически подаются перед каждым ответом
Изоляция областей памяти Границы памяти на уровне агента, пользователя и проекта
Любой провайдер OpenAI, Jina, Gemini, Ollama или любой OpenAI-compatible API
Полный набор инструментов CLI, backup, migration, upgrade, export/import — готово к продакшену

Быстрый старт

Вариант A: скрипт установки в один клик (рекомендуется)

Поддерживаемый сообществом скрипт установки берет на себя установку, обновление и восстановление одной командой:

curl -fsSL https://raw.githubusercontent.com/CortexReach/toolbox/main/memory-lancedb-pro-setup/setup-memory.sh -o setup-memory.sh
bash setup-memory.sh

Полный список сценариев, которые покрывает скрипт, и другие инструменты сообщества смотрите ниже в разделе Экосистема.

Вариант B: ручная установка

Через OpenClaw CLI (рекомендуется):

openclaw plugins install memory-lancedb-pro@beta

Или через npm:

npm i memory-lancedb-pro@beta

Если используете npm, вам также нужно добавить директорию установки плагина как абсолютный путь в plugins.load.paths вашего openclaw.json. Это самая частая проблема при настройке.

Добавьте в openclaw.json:

{
  "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 }
        }
      }
    }
  }
}

Почему именно такие значения по умолчанию?

  • autoCapture + smartExtraction → агент автоматически учится на каждом разговоре
  • autoRecall → релевантные воспоминания подставляются перед каждым ответом
  • extractMinMessages: 2 → извлечение срабатывает в обычном двухходовом диалоге
  • sessionMemory.enabled: false → поиск не засоряется сводками сессий с первого дня

Проверьте и перезапустите:

openclaw config validate
openclaw gateway restart
openclaw logs --follow --plain | grep "memory-lancedb-pro"

Вы должны увидеть:

  • memory-lancedb-pro: smart extraction enabled
  • memory-lancedb-pro@...: plugin registered

Готово. Теперь у вашего агента есть долгосрочная память.

Дополнительные варианты установки (для действующих пользователей и апгрейдов)

Уже используете OpenClaw?

  1. Добавьте плагин в plugins.load.paths как абсолютный путь
  2. Привяжите memory slot: plugins.slots.memory = "memory-lancedb-pro"
  3. Проверьте: openclaw plugins info memory-lancedb-pro && openclaw memory-pro stats

Обновляетесь с версии до v1.1.0?

# 1) Резервная копия
openclaw memory-pro export --scope global --output memories-backup.json
# 2) Пробный запуск
openclaw memory-pro upgrade --dry-run
# 3) Выполнить апгрейд
openclaw memory-pro upgrade
# 4) Проверка
openclaw memory-pro stats

Изменения поведения и причины апгрейда описаны в CHANGELOG-v1.1.0.md.

Быстрый импорт для Telegram Bot (нажмите, чтобы раскрыть)

Если вы используете Telegram-интеграцию OpenClaw, самый простой путь — отправить команду импорта прямо основному боту вместо ручного редактирования конфига.

Отправьте такое сообщение:

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

Экосистема

memory-lancedb-pro — это основной плагин. Сообщество построило вокруг него инструменты, чтобы установка и ежедневная работа были еще проще.

Скрипт установки: установка, апгрейд и ремонт в один клик

CortexReach/toolbox/memory-lancedb-pro-setup

Это не просто установщик: скрипт грамотно обрабатывает широкий набор реальных сценариев.

Ваша ситуация Что делает скрипт
Никогда не устанавливали Скачивает заново → ставит зависимости → помогает выбрать конфиг → записывает в openclaw.json → перезапускает
Установлено через git clone, но застряли на старом коммите Автоматически делает git fetch + checkout на актуальную версию → переустанавливает зависимости → проверяет
В конфиге есть невалидные поля Автоматически находит их через schema filter и удаляет неподдерживаемые значения
Установлено через npm Пропускает git-обновление и напоминает вручную запустить npm update
openclaw CLI сломан из-за невалидного конфига Фолбэк: читает путь workspace напрямую из файла openclaw.json
Используется extensions/, а не plugins/ Автоматически определяет расположение плагина по конфигу или файловой системе
Уже актуальная версия Запускает только health checks, без изменений 
bash setup-memory.sh                    # Установить или обновить
bash setup-memory.sh --dry-run          # Только предпросмотр
bash setup-memory.sh --beta             # Включить pre-release версии
bash setup-memory.sh --uninstall        # Откатить конфиг и удалить плагин

Встроенные пресеты провайдеров: Jina / DashScope / SiliconFlow / OpenAI / Ollama, либо любой собственный OpenAI-compatible API. Полное использование (включая --ref, --selfcheck-only и другое) смотрите в README скрипта установки.

Навык Claude Code / OpenClaw: настройка под управлением ИИ

CortexReach/memory-lancedb-pro-skill

Установите этот навык, и ваш ИИ-агент (Claude Code или OpenClaw) получит глубокое знание всех возможностей memory-lancedb-pro. Достаточно сказать "help me enable the best config", и вы получите:

  • Пошаговый процесс настройки из 7 шагов с 4 вариантами деплоя:
    • Полная мощность (Jina + OpenAI) / Экономный (бесплатный reranker от SiliconFlow) / Простой (только OpenAI) / Полностью локальный (Ollama, нулевая стоимость API)
  • Корректное использование всех 9 инструментов MCP: memory_recall, memory_store, memory_forget, memory_update, memory_stats, memory_list, self_improvement_log, self_improvement_extract_skill, self_improvement_review (полный набор доступен при enableManagementTools: true — стандартный Quick Start открывает только 4 базовых инструмента)
  • Защиту от типичных ошибок: включение плагина в workspace, autoRecall со значением false по умолчанию, кэш jiti, переменные окружения, изоляция областей памяти и другое

Установка для Claude Code:

git clone https://github.com/CortexReach/memory-lancedb-pro-skill.git ~/.claude/skills/memory-lancedb-pro

Установка для OpenClaw:

git clone https://github.com/CortexReach/memory-lancedb-pro-skill.git ~/.openclaw/workspace/skills/memory-lancedb-pro-skill

Видеоруководство

Полный разбор: установка, настройка и внутреннее устройство гибридного поиска.

YouTube Video https://youtu.be/MtukF1C8epQ

Bilibili Video https://www.bilibili.com/video/BV1zUf2BGEgn/

Архитектура

┌─────────────────────────────────────────────────────────┐
│                   index.ts (Entry Point)                │
│  Plugin Registration · Config Parsing · Lifecycle Hooks │
└────────┬──────────┬──────────┬──────────┬───────────────┘
         │          │          │          │
    ┌────▼───┐ ┌────▼───┐ ┌───▼────┐ ┌──▼──────────┐
    │ store  │ │embedder│ │retriever│ │   scopes    │
    │ .ts    │ │ .ts    │ │ .ts    │ │    .ts      │
    └────────┘ └────────┘ └────────┘ └─────────────┘
         │                     │
    ┌────▼───┐           ┌─────▼──────────┐
    │migrate │           │noise-filter.ts │
    │ .ts    │           │adaptive-       │
    └────────┘           │retrieval.ts    │
                         └────────────────┘
    ┌─────────────┐   ┌──────────┐
    │  tools.ts   │   │  cli.ts  │
    │ (Agent API) │   │ (CLI)    │
    └─────────────┘   └──────────┘

Для глубокого разбора полной архитектуры смотрите docs/memory_architecture_analysis.md.

Справочник по файлам (нажмите, чтобы раскрыть)
Файл Назначение
index.ts Точка входа плагина. Регистрация в API плагинов OpenClaw, разбор конфига, подключение хуков жизненного цикла
openclaw.plugin.json Метаданные плагина + полная декларация JSON Schema для конфига
cli.ts CLI-команды: memory-pro list/search/stats/delete/delete-bulk/export/import/reembed/upgrade/migrate
src/store.ts Слой хранения LanceDB. Создание таблиц / FTS-индекс / векторный поиск / BM25-поиск / CRUD
src/embedder.ts Абстракция эмбеддингов. Совместима с любым провайдером OpenAI-compatible API
src/retriever.ts Движок гибридного поиска. Векторный поиск + BM25 → гибридное объединение → реранжирование → затухание жизненного цикла → фильтрация
src/scopes.ts Контроль доступа для нескольких областей памяти
src/tools.ts Определения инструментов агента: memory_recall, memory_store, memory_forget, memory_update + административные инструменты
src/noise-filter.ts Фильтрует отказы агента, мета-вопросы, приветствия и низкокачественный контент
src/adaptive-retrieval.ts Определяет, нужен ли конкретному запросу поиск по памяти
src/migrate.ts Миграция со встроенного memory-lancedb на Pro
src/smart-extractor.ts Извлечение по 6 категориям на базе LLM с многослойным хранением L0/L1/L2 и двухэтапной дедупликацией
src/decay-engine.ts Модель растянутого экспоненциального затухания Weibull
src/tier-manager.ts Трехуровневое продвижение/понижение: Peripheral ↔ Working ↔ Core

Ключевые возможности

Гибридный поиск

Query → embedQuery() ─┐
                       ├─→ Hybrid Fusion → Rerank → Lifecycle Decay Boost → Length Norm → Filter
Query → BM25 FTS ─────┘
  • Векторный поиск — семантическая близость через LanceDB ANN (cosine distance)
  • Полнотекстовый BM25 — точное совпадение по ключевым словам через LanceDB FTS index
  • Hybrid Fusion — векторный score служит базой, а BM25-попадания получают взвешенный буст (это не стандартный RRF, а вариант, настроенный под качество реального recall)
  • Настраиваемые веса — vectorWeight, bm25Weight, minScore

Кросс-энкодерное реранжирование

  • Встроенные адаптеры для Jina, SiliconFlow, Voyage AI и Pinecone
  • Совместимо с любым Jina-compatible endpoint (например, Hugging Face TEI, DashScope)
  • Гибридный скоринг: 60% cross-encoder + 40% исходный fused score
  • Graceful degradation: при сбое API откатывается к cosine similarity

Многоэтапный пайплайн скоринга

Этап Эффект
Hybrid Fusion Комбинирует семантический recall и точное совпадение
Cross-Encoder Rerank Продвигает семантически точные попадания
Lifecycle Decay Boost Свежесть по Weibull + частота доступа + важность × уверенность
Length Normalization Не дает длинным записям доминировать (anchor: 500 chars)
Hard Min Score Убирает нерелевантные результаты (по умолчанию: 0.35)
MMR Diversity Cosine similarity > 0.85 → понижается

Умное извлечение памяти (v1.1.0)

  • LLM-powered извлечение по 6 категориям: profile, preferences, entities, events, cases, patterns
  • Многослойное хранение L0/L1/L2: L0 (одно предложение-индекс) → L1 (структурированное summary) → L2 (полный narrative)
  • Двухэтапная дедупликация: предварительный фильтр по векторному сходству (≥0.7) → LLM-решение по смыслу (CREATE/MERGE/SKIP)
  • Слияние с учетом категории: profile всегда merge, events и cases добавляются append-only

Управление жизненным циклом памяти (v1.1.0)

  • Weibull Decay Engine: composite score = recency + frequency + intrinsic value
  • Трехуровневое продвижение: Peripheral ↔ Working ↔ Core с настраиваемыми порогами
  • Усиление при доступе: часто вспоминаемые записи затухают медленнее (в духе spaced repetition)
  • Half-life с учетом важности: важные воспоминания живут дольше

Изоляция между областями памяти

  • Встроенные области памяти: global, agent:<id>, custom:<name>, project:<id>, user:<id>
  • Контроль доступа агента через scopes.agentAccess
  • По умолчанию каждый агент видит global + собственную область agent:<id>

Auto-Capture и Auto-Recall

  • Auto-Capture (agent_end): извлекает preference/fact/decision/entity из диалога, дедуплицирует и сохраняет до 3 записей за ход
  • Auto-Recall (before_agent_start): внедряет контекст <relevant-memories> (до 3 записей)

Фильтрация шума и адаптивный поиск по памяти

  • Фильтрует низкокачественный контент: отказы агента, мета-вопросы, приветствия
  • Пропускает поиск по памяти для приветствий, slash-команд, простых подтверждений и emoji
  • Принудительно включает поиск по памяти по ключевым словам ("remember", "previously", "last time")
  • Пороги с учетом CJK (китайский: 6 символов против английского: 15 символов)
Сравнение со встроенным memory-lancedb (нажмите, чтобы раскрыть)
Возможность Встроенный memory-lancedb memory-lancedb-pro
Векторный поиск Yes Yes
Полнотекстовый BM25 - Yes
Гибридное объединение (Vector + BM25) - Yes
Реранжирование cross-encoder (несколько провайдеров) - Yes
Буст по свежести и затухание во времени - Yes
Нормализация по длине - Yes
MMR-диверсификация - Yes
Изоляция областей памяти - Yes
Фильтрация шума - Yes
Адаптивный поиск по памяти - Yes
Административный CLI - Yes
Память сессий - Yes
Эмбеддинги с учетом задачи - Yes
Умное извлечение LLM (6 категорий) - Yes (v1.1.0)
Затухание Weibull + продвижение по уровням - Yes (v1.1.0)
Любые OpenAI-compatible эмбеддинги Limited Yes

Конфигурация

Полный пример конфигурации 
{
  "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
}
Провайдеры эмбеддингов

Работает с любым OpenAI-compatible API для эмбеддингов:

Provider Model Base URL Dimensions
Jina (recommended) 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 (local) nomic-embed-text http://localhost:11434/v1 зависит от провайдера
Провайдеры реранжирования

Кросс-энкодерное реранжирование поддерживает несколько провайдеров через rerankProvider:

Provider rerankProvider Example Model
Jina (default) jina jina-reranker-v3
SiliconFlow (есть бесплатный тариф) siliconflow BAAI/bge-reranker-v2-m3
Voyage AI voyage rerank-2.5
Pinecone pinecone bge-reranker-v2-m3

Подойдет и любой Jina-compatible rerank endpoint: задайте rerankProvider: "jina" и укажите ваш rerankEndpoint (например, Hugging Face TEI, DashScope qwen3-rerank).

Smart Extraction (LLM) — v1.1.0

Когда включен smartExtraction (по умолчанию: true), плагин использует LLM для интеллектуального извлечения и классификации воспоминаний вместо правил на регулярных выражениях.

Поле Тип По умолчанию Описание
smartExtraction boolean true Включить/выключить извлечение по 6 категориям на базе LLM
llm.auth string api-key api-key использует llm.apiKey / embedding.apiKey; oauth по умолчанию использует OAuth-файл токена в области плагина
llm.apiKey string (по умолчанию берется из embedding.apiKey) API-ключ провайдера LLM
llm.model string openai/gpt-oss-120b Имя модели LLM
llm.baseURL string (по умолчанию берется из embedding.baseURL) URL LLM API
llm.oauthProvider string openai-codex Идентификатор OAuth-провайдера, используемый при llm.auth = "oauth"
llm.oauthPath string ~/.openclaw/.memory-lancedb-pro/oauth.json Путь к OAuth-файлу токена при llm.auth = "oauth"
llm.timeoutMs number 30000 Таймаут запроса к LLM в миллисекундах
extractMinMessages number 2 Минимум сообщений до срабатывания извлечения
extractMaxChars number 8000 Максимум символов, отправляемых в LLM

OAuth llm config (использует существующий кэш логина Codex / ChatGPT для LLM-запросов):

{
  "llm": {
    "auth": "oauth",
    "oauthProvider": "openai-codex",
    "model": "gpt-5.4",
    "oauthPath": "${HOME}/.openclaw/.memory-lancedb-pro/oauth.json",
    "timeoutMs": 30000
  }
}

Примечания для llm.auth: "oauth":

  • llm.oauthProvider сейчас равен openai-codex.
  • По умолчанию OAuth token хранится в ~/.openclaw/.memory-lancedb-pro/oauth.json.
  • Если хотите хранить этот файл в другом месте, можно задать llm.oauthPath.
  • auth login сохраняет снимок предыдущего llm конфига в режиме api-key рядом с OAuth-файлом, а auth logout восстанавливает этот снимок, если он доступен.
  • При переключении с api-key на oauth значение llm.baseURL автоматически не переносится. Указывайте его вручную в OAuth-режиме только если вам действительно нужен кастомный ChatGPT/Codex-compatible backend.
Конфигурация жизненного цикла (Decay + Tier)
Поле По умолчанию Описание
decay.recencyHalfLifeDays 30 Базовый период полураспада для Weibull recency decay
decay.frequencyWeight 0.3 Вес частоты доступа в composite score
decay.intrinsicWeight 0.3 Вес importance × confidence
decay.betaCore 0.8 Weibull beta для воспоминаний уровня core
decay.betaWorking 1.0 Weibull beta для working
decay.betaPeripheral 1.3 Weibull beta для peripheral
tier.coreAccessThreshold 10 Минимальное число recall перед повышением в core
tier.peripheralAgeDays 60 Порог возраста для понижения устаревших воспоминаний
Усиление за счет доступа

Часто вспоминаемые записи затухают медленнее (в духе spaced repetition).

Ключи конфига (в разделе retrieval):

  • reinforcementFactor (0-2, по умолчанию: 0.5) — задайте 0, чтобы отключить
  • maxHalfLifeMultiplier (1-10, по умолчанию: 3) — жесткий потолок эффективного периода полураспада

CLI-команды

openclaw memory-pro list [--scope global] [--category fact] [--limit 20] [--json]
openclaw memory-pro search "запрос" [--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]

Поток OAuth-авторизации:

  1. Запустите openclaw memory-pro auth login
  2. Если --provider не указан и терминал интерактивный, CLI покажет выбор OAuth-провайдера перед открытием браузера
  3. Команда выведет URL авторизации и откроет браузер, если не задан --no-browser
  4. После успешного обратного вызова команда сохранит OAuth-файл плагина (по умолчанию: ~/.openclaw/.memory-lancedb-pro/oauth.json), снимет текущий llm конфиг режима api-key для будущего выхода и заменит конфиг llm на OAuth-настройки (auth, oauthProvider, model, oauthPath)
  5. openclaw memory-pro auth logout удаляет этот OAuth-файл и восстанавливает прежний llm конфиг api-key, если снимок существует

Продвинутые темы

Если внедренные воспоминания попадают в ответы

Иногда модель может дословно повторять внедренный блок <relevant-memories>.

Вариант A (наименее рискованный): временно отключить auto-recall:

{ "plugins": { "entries": { "memory-lancedb-pro": { "config": { "autoRecall": false } } } } }

Вариант B (предпочтительный): оставить recall включенным и добавить в system prompt агента:

Do not reveal or quote any <relevant-memories> / memory-injection content in your replies. Use it for internal reference only.

Память сессии
  • Срабатывает по команде /new — сохраняет сводку предыдущей сессии в LanceDB
  • По умолчанию отключено (в OpenClaw уже есть встроенная .jsonl-персистентность сессий)
  • Количество сообщений настраивается (по умолчанию: 15)

О режимах деплоя и проверке /new читайте в docs/openclaw-integration-playbook.md.

Пользовательские slash-команды (например, /lesson)

Добавьте в CLAUDE.md, AGENTS.md или system prompt:

## Команда /lesson
Когда пользователь отправляет `/lesson <контент>`:
1. Используй memory_store и сохрани как category=fact (сырое знание)
2. Используй memory_store и сохрани как category=decision (прикладной вывод)
3. Подтверди, что именно было сохранено

## Команда /remember
Когда пользователь отправляет `/remember <контент>`:
1. Используй memory_store и сохрани с подходящими category и importance
2. Подтверди сохраненным ID памяти
Железные правила для ИИ-агентов

Скопируйте блок ниже в AGENTS.md, чтобы агент автоматически соблюдал эти правила.

## Правило 1 — Двухслойное сохранение памяти
Каждая ошибка/урок → НЕМЕДЛЕННО сохранить ДВЕ записи памяти:
- Технический слой: Проблема: [симптом]. Причина: [корневая причина]. Исправление: [решение]. Профилактика: [как избежать]
  (category: fact, importance >= 0.8)
- Принципиальный слой: Принцип решения ([tag]): [правило поведения]. Триггер: [когда]. Действие: [что делать]
  (category: decision, importance >= 0.85)

## Правило 2 — Гигиена LanceDB
Записи должны быть короткими и атомарными (< 500 chars). Никаких сырых summary разговоров и дубликатов.

## Правило 3 — Recall перед повторной попыткой
При ЛЮБОЙ ошибке инструмента ВСЕГДА выполняй memory_recall по релевантным ключевым словам ПЕРЕД повторной попыткой.

## Правило 4 — Подтверди целевую кодовую базу
Перед изменениями убедись, что редактируешь memory-lancedb-pro, а не встроенный memory-lancedb.

## Правило 5 — Очищай кэш jiti после изменений кода плагина
После изменения .ts-файлов в plugins/ ОБЯЗАТЕЛЬНО выполни rm -rf /tmp/jiti/ перед openclaw gateway restart.
Схема базы данных

Таблица LanceDB memories:

Поле Тип Описание
id string (UUID) Первичный ключ
text string Текст памяти (индексируется для FTS)
vector float[] Вектор эмбеддинга
category string Категория хранения: preference / fact / decision / entity / reflection / other
scope string Идентификатор области памяти (например, global, agent:main)
importance float Оценка важности от 0 до 1
timestamp int64 Временная метка создания (мс)
metadata string (JSON) Расширенные метаданные

Обычные ключи metadata в v1.1.0: l0_abstract, l1_overview, l2_content, memory_category, tier, access_count, confidence, last_accessed_at

Примечание о категориях: поле верхнего уровня category использует 6 storage categories. Семантические метки Smart Extraction (profile / preferences / entities / events / cases / patterns) сохраняются в metadata.memory_category.

Устранение неполадок

"Cannot mix BigInt and other types" (LanceDB / Apache Arrow)

Начиная с LanceDB 0.26+, некоторые числовые колонки могут возвращаться как BigInt. Обновитесь до memory-lancedb-pro >= 1.0.14: теперь плагин приводит такие значения через Number(...) перед арифметикой.

Документация

Документ Описание
OpenClaw Integration Playbook Режимы деплоя, проверка, матрица регрессии
Memory Architecture Analysis Глубокий разбор полной архитектуры
CHANGELOG v1.1.0 Изменения поведения в v1.1.0 и причины апгрейда
Long-Context Chunking Стратегия разбиения длинных документов

Бета: Smart Memory v1.1.0

Статус: Beta — доступно через npm i memory-lancedb-pro@beta. Пользователи стабильного latest не затронуты.

Возможность Описание
Умное извлечение Извлечение по 6 категориям на базе LLM с метаданными L0/L1/L2. При отключении откатывается к регулярным правилам.
Оценка жизненного цикла Затухание Weibull встроено в поиск по памяти: записи с высокой частотой и важностью ранжируются выше.
Управление уровнями Трехуровневая система (Core → Working → Peripheral) с автоматическим повышением и понижением.

Обратная связь: GitHub Issues · Откат: npm i memory-lancedb-pro@latest

Зависимости

Пакет Назначение
@lancedb/lancedb ≥0.26.2 Векторная база данных (ANN + FTS)
openai ≥6.21.0 Клиент OpenAI-compatible Embedding API
@sinclair/typebox 0.34.48 Определения типов для JSON Schema

Участники

@win4r @kctony @Akatsuki-Ryu @JasonSuz @Minidoracat @furedericca-lab @joe2643 @AliceLJY @chenjiyong

Полный список: Участники

История звезд

Star History Chart

Лицензия

MIT

Мой QR-код WeChat