为什么选 memory-lancedb-pro？

大多数 AI 智能体都有"失忆症"——每次新对话，之前聊过的全部清零。

memory-lancedb-pro 是 OpenClaw 的生产级长期记忆插件，把你的智能体变成一个真正的 AI 记忆助理——自动捕捉重要信息，让噪音自然衰减，在恰当的时候回忆起恰当的内容。无需手动标记，无需复杂配置。

AI 记忆助理实际效果

没有记忆——每次都从零开始：

你： "缩进用 tab，所有函数都要加错误处理。" （下一次会话） 你： "我都说了用 tab 不是空格！" 😤 （再下一次会话） 你： "……我真的说了第三遍了，tab，还有错误处理。"

有了 memory-lancedb-pro——你的智能体学会了、记住了：

你： "缩进用 tab，所有函数都要加错误处理。" （下一次会话——智能体自动回忆你的偏好） 智能体： （默默改成 tab 缩进，并补上错误处理） ✅ 你： "上个月我们为什么选了 PostgreSQL 而不是 MongoDB？" 智能体： "根据我们 2 月 12 日的讨论，主要原因是……" ✅

这就是 AI 记忆助理 的价值——学习你的风格，回忆过去的决策，提供个性化的回应，不再让你重复自己。

还能做什么？

快速开始

CPU 要求： 你的 CPU 必须支持 AVX/AVX2 指令集（Intel Sandy Bridge 2011 年后 / AMD Bulldozer 2011 年后）。LanceDB 的原生向量引擎依赖这些指令——不支持的 CPU 会导致插件崩溃（SIGILL 非法指令错误）。检查方法：grep -o 'avx[^ ]*' /proc/cpuinfo | head -1（无输出 = 不支持）。详见 #419。

方式 A：一键安装脚本（推荐）

社区维护的 安装脚本 一条命令搞定安装、升级和修复：

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

脚本覆盖的完整场景和其他社区工具，详见下方 生态工具。

方式 B：手动安装

通过 OpenClaw CLI（推荐）：

openclaw plugins install memory-lancedb-pro@beta

或通过 npm：

npm i memory-lancedb-pro@beta

如果用 npm 安装，你还需要在 openclaw.json 的 plugins.load.paths 中添加插件安装目录的 绝对路径。这是最常见的安装问题。

在 openclaw.json 中添加配置：

{
  "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 }
        }
      }
    }
  }
}

为什么用这些默认值？

• autoCapture + smartExtraction → 智能体自动从每次对话中学习
• autoRecall → 相关记忆在每次回复前自动注入
• extractMinMessages: 2 → 正常两轮对话即触发提取
• sessionMemory.enabled: false → 避免会话摘要在初期污染检索结果

验证并重启：

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

你应该能看到：

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

完成！你的智能体现在拥有长期记忆了。

# 1) 备份
openclaw memory-pro export --scope global --output memories-backup.json
# 2) 试运行
openclaw memory-pro upgrade --dry-run
# 3) 执行升级
openclaw memory-pro upgrade
# 4) 验证
openclaw memory-pro stats

"memory-lancedb-pro": {
  "config": {
    "embedding": {
      "model": "jina-embeddings-v5-text-small",
      "taskQuery": "retrieval.query",
      "taskPassage": "retrieval.passage"
    }
  }
}

# 0) 先停网关，避免迁移过程中有写入。

# 1) 备份整个库——直接对 LanceDB 目录做文件系统级拷贝。
#    （不要用 `memory-pro export`：它默认 --limit 1000、单一 --scope，
#      会静默丢掉第 1000 行之后的记录以及所有非 global scope。）
cp -r <你的 dbPath> <你的 dbPath>.bak

# 2) 在插件配置里设好 task hints，并把 `dbPath` 指向一个新的空目标
#    （例如 "<你的 dbPath>-v2"）。换新目标也是修改 `embedding.dimensions`
#      的前提：新的向量维度只能写进新表。

# 3) Dry run——读源库、打印行数、不写入。
openclaw memory-pro reembed --source-db <旧 dbPath> --dry-run

# 4) 用现在生效的 task hints 把旧库重嵌到新库。源≠目标，每个 id 只落一次。
#    中断了可加 --skip-existing 安全重跑。
openclaw memory-pro reembed --source-db <旧 dbPath>

# 5) 切换前先核对：imported 数量、以及新 dbPath 上 `memory-pro stats` 的总数，
#    都要等于 dry-run 报告的行数。
openclaw memory-pro stats

# 6) 启动网关，此时它打开的是新 dbPath。

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, and set embedding.taskQuery=retrieval.query and embedding.taskPassage=retrieval.passage
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

生态工具

memory-lancedb-pro 是核心插件。社区围绕它构建了配套工具，让安装和日常使用更加顺畅：

安装脚本——一键安装、升级和修复

CortexReach/toolbox/memory-lancedb-pro-setup

不只是简单的安装器——脚本能智能处理各种常见场景：

bash setup-memory.sh                    # 安装或升级
bash setup-memory.sh --dry-run          # 仅预览
bash setup-memory.sh --beta             # 包含预发布版本
bash setup-memory.sh --uninstall        # 还原配置并移除插件

内置 Provider 预设：Jina / DashScope / SiliconFlow / OpenAI / Ollama，或自带任意 OpenAI 兼容 API。完整用法（含 --ref、--selfcheck-only 等）详见 安装脚本 README。

Claude Code / OpenClaw Skill——AI 引导式配置

CortexReach/memory-lancedb-pro-skill

安装这个 Skill，你的 AI 智能体（Claude Code 或 OpenClaw）就能深度掌握 memory-lancedb-pro 的所有功能。只需说 "help me enable the best config" 即可获得：

• 7 步引导式配置流程，提供 4 套部署方案：
  • 满血版（Jina + OpenAI）/ 省钱版（免费 SiliconFlow 重排序）/ 简约版（仅 OpenAI）/ 全本地版（Ollama，零 API 成本）
• 全部 9 个 MCP 工具 的正确用法：memory_recall、memory_store、memory_forget、memory_update、memory_stats、memory_list、self_improvement_log、self_improvement_extract_skill、self_improvement_review （完整工具集需要设置 enableManagementTools: true——默认快速配置仅暴露 4 个核心工具）
• 常见坑规避：workspace 插件启用、autoRecall 默认 false、jiti 缓存、环境变量、作用域隔离等

Claude Code 安装：

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

OpenClaw 安装：

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

视频教程

完整演示：安装、配置、混合检索内部原理。

https://youtu.be/MtukF1C8epQ

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

架构

┌─────────────────────────────────────────────────────────┐
│                   index.ts (入口)                        │
│  插件注册 · 配置解析 · 生命周期钩子                        │
└────────┬──────────┬──────────┬──────────┬───────────────┘
         │          │          │          │
    ┌────▼───┐ ┌────▼───┐ ┌───▼────┐ ┌──▼──────────┐
    │ store  │ │embedder│ │retriever│ │   scopes    │
    │ .ts    │ │ .ts    │ │ .ts    │ │    .ts      │
    └────────┘ └────────┘ └────────┘ └─────────────┘
         │                     │
    ┌────▼───┐           ┌─────▼──────────┐
    │migrate │           │noise-filter.ts │
    │ .ts    │           │adaptive-       │
    └────────┘           │retrieval.ts    │
                         └────────────────┘
    ┌─────────────┐   ┌──────────┐
    │  tools.ts   │   │  cli.ts  │
    │ (智能体 API)│   │ (CLI)    │
    └─────────────┘   └──────────┘

完整架构解析见 docs/memory_architecture_analysis.md。

核心功能

混合检索

查询 → embedQuery() ─┐
                      ├─→ 混合融合 → 重排序 → 生命周期衰减加权 → 长度归一化 → 过滤
查询 → BM25 全文 ─────┘

• 向量搜索 — 基于 LanceDB ANN 的语义相似度（余弦距离）
• BM25 全文搜索 — 通过 LanceDB FTS 索引进行精确关键词匹配
• 混合融合 — 以向量分数为基础，BM25 命中结果获得加权提升（非标准 RRF——针对实际召回质量调优）
• 可配置权重 — vectorWeight、bm25Weight、minScore

交叉编码器重排序

• 内置 Jina、SiliconFlow、Voyage AI 和 Pinecone 适配器
• 兼容任意 Jina 兼容端点（如 Hugging Face TEI、DashScope）
• 混合打分：60% 交叉编码器 + 40% 原始融合分数
• 优雅降级：API 失败时回退到余弦相似度

多阶段评分管线

智能记忆提取（v1.1.0）

• LLM 驱动的 6 类提取：用户画像、偏好、实体、事件、案例、模式
• L0/L1/L2 分层存储：L0（一句话索引）→ L1（结构化摘要）→ L2（完整叙述）
• 两阶段去重：向量相似度预过滤（≥0.7）→ LLM 语义决策（CREATE/MERGE/SKIP）
• 类别感知合并：profile 始终合并，events/cases 仅追加

记忆生命周期管理（v1.1.0）

• Weibull 衰减引擎：综合分数 = 时效性 + 频率 + 内在价值
• 三级晋升：外围 ↔ 工作 ↔ 核心，阈值可配置
• 访问强化：频繁被召回的记忆衰减更慢（类似间隔重复机制）
• 重要性调制半衰期：重要记忆衰减更慢

多作用域隔离

• 内置作用域：global、agent:<id>、custom:<name>、project:<id>、user:<id>
• 通过 scopes.agentAccess 实现智能体级别的访问控制
• 默认：每个智能体访问 global + 自己的 agent:<id> 作用域

自动捕捉与自动回忆

• 自动捕捉（agent_end）：从对话中提取偏好/事实/决策/实体，去重后每轮最多存储 3 条
• 自动回忆（before_agent_start）：注入 <relevant-memories> 上下文（最多 3 条）

噪音过滤与自适应检索

• 过滤低质量内容：智能体拒绝回复、元问题、打招呼
• 跳过检索：打招呼、斜杠命令、简单确认、表情符号
• 强制检索：记忆关键词（"记得"、"之前"、"上次"）
• 中文感知阈值（中文：6 字符 vs 英文：15 字符）

配置

{
  "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"]
    }
  },
  "sessionStrategy": "none",
  "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
}

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

CLI 命令

openclaw memory-pro list [--scope global] [--category fact] [--limit 20] [--json]
openclaw memory-pro search "查询" [--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 登录流程：

1. 运行 openclaw memory-pro auth login
2. 如果省略 --provider 且当前终端可交互，CLI 会先显示 OAuth provider 选择器
3. 命令会打印授权 URL，并在未指定 --no-browser 时自动打开浏览器
4. 回调成功后，命令会保存 plugin OAuth 文件（默认：~/.openclaw/.memory-lancedb-pro/oauth.json）、为 logout 快照原来的 api-key 模式 llm 配置，并把插件 llm 配置切换为 OAuth 字段（auth、oauthProvider、model、oauthPath）
5. openclaw memory-pro auth logout 会删除这份 OAuth 文件，并在存在快照时恢复之前的 api-key 模式 llm 配置

进阶主题

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

## /lesson 命令
当用户发送 `/lesson <内容>` 时：
1. 用 memory_store 保存为 category=fact（原始知识）
2. 用 memory_store 保存为 category=decision（可执行的结论）
3. 确认已保存的内容

## /remember 命令
当用户发送 `/remember <内容>` 时：
1. 用 memory_store 以合适的 category 和 importance 保存
2. 返回已存储的记忆 ID 确认

## 规则 1 — 双层记忆存储
每个踩坑/经验教训 → 立即存储两条记忆：
- 技术层：踩坑：[现象]。原因：[根因]。修复：[方案]。预防：[如何避免]
  (category: fact, importance >= 0.8)
- 原则层：决策原则 ([标签])：[行为规则]。触发：[何时]。动作：[做什么]
  (category: decision, importance >= 0.85)

## 规则 2 — LanceDB 数据质量
条目必须简短且原子化（< 500 字符）。不存储原始对话摘要或重复内容。

## 规则 3 — 重试前先回忆
任何工具调用失败时，必须先用 memory_recall 搜索相关关键词，再重试。

## 规则 4 — 确认目标代码库
修改前确认你操作的是 memory-lancedb-pro 还是内置 memory-lancedb。

## 规则 5 — 修改插件代码后清除 jiti 缓存
修改 plugins/ 下的 .ts 文件后，必须先执行 rm -rf /tmp/jiti/ 再重启 openclaw gateway。

文档

Beta：智能记忆 v1.1.0

状态：Beta——通过 npm i memory-lancedb-pro@beta 安装。使用 latest 的稳定版用户不受影响。

反馈：GitHub Issues · 回退：npm i memory-lancedb-pro@latest

依赖

贡献者

完整列表：Contributors

Star 趋势

许可证

MIT

我的微信