86 lines
2.0 KiB
Markdown
86 lines
2.0 KiB
Markdown
---
|
||
name: vector-memory
|
||
description: |
|
||
向量语义记忆系统 - 为 OpenClaw 添加语义搜索能力。当用户需要：
|
||
(1) 部署向量记忆系统
|
||
(2) 开启语义搜索功能
|
||
(3) 安装配置 Chroma + BGE-M3
|
||
(4) 搜索记忆时找不到内容
|
||
(5) 需要比关键词搜索更智能的记忆检索
|
||
---
|
||
|
||
# Vector Memory Skill
|
||
|
||
## 功能概述
|
||
|
||
为 OpenClaw 添加**向量语义搜索**能力，解决纯 Markdown 记忆的搜索痛点：
|
||
- 搜"股票"能找到"A股监控"、"铜陵有色"
|
||
- 支持同义词、近义词理解
|
||
- 记忆无限扩展，不受上下文窗口限制
|
||
|
||
## 技术架构
|
||
|
||
| 组件 | 选型 | 说明 |
|
||
|------|------|------|
|
||
| 向量模型 | BGE-M3 (硅基流动) | 中文优化好，向量免费 |
|
||
| 向量数据库 | Chroma | 轻量，Python 原生 |
|
||
| 持久化 | SQLite | 并发安全 |
|
||
|
||
## 快速部署
|
||
|
||
### 1. 安装依赖
|
||
|
||
```bash
|
||
mkdir -p ~/openclaw-memory-vector
|
||
cd ~/openclaw-memory-vector
|
||
pip install chromadb openai sqlalchemy
|
||
```
|
||
|
||
### 2. 配置 API Key
|
||
|
||
```bash
|
||
export SILICONFLOW_API_KEY="sk-fpjdtxbxrhtekshircjhegstloxaodriekotjdyzzktyegcl"
|
||
```
|
||
|
||
### 3. 初始化系统
|
||
|
||
```python
|
||
import sys
|
||
sys.path.insert(0, '~/openclaw-memory-vector/scripts')
|
||
from vector_memory import VectorMemorySystem
|
||
|
||
vm = VectorMemorySystem(
|
||
persist_dir="./data/memory",
|
||
api_key="your_api_key"
|
||
)
|
||
```
|
||
|
||
## 核心脚本
|
||
|
||
### scripts/vector_memory.py
|
||
向量存储引擎，包含 `add_memory()` 和 `search()` 方法。详见 [references/core.md](references/core.md)。
|
||
|
||
### scripts/memory_tier_manager.py
|
||
记忆分层管理，自动将记忆分为 core/hot/cold 三层。
|
||
|
||
### scripts/openclaw_integration.py
|
||
OpenClaw 集成接口，提供 `get_memory_system()` 单例模式。
|
||
|
||
## 数据备份
|
||
|
||
备份 `~/openclaw-memory-vector/data/memory/` 整个目录：
|
||
- `memory.db` - SQLite 数据库（原始文本）
|
||
- `chroma/` - Chroma 向量索引
|
||
|
||
## 成本
|
||
|
||
- BGE-M3 向量：**免费无限**
|
||
- 硅基流动大模型：2000万 Tokens/月
|
||
- **总成本：≈ ¥0**
|
||
|
||
## 触发词
|
||
|
||
- "部署向量记忆"
|
||
- "开启语义搜索"
|
||
- "向量备份"
|