Warum memory-lancedb-pro?

Die meisten KI-Agenten leiden unter Amnesie. Sie vergessen alles, sobald Sie einen neuen Chat starten.

memory-lancedb-pro ist ein produktionsreifes Langzeitgedächtnis-Plugin für OpenClaw, das Ihren Agenten in einen echten KI-Gedächtnisassistenten verwandelt — es erfasst automatisch, was wichtig ist, lässt Rauschen natürlich verblassen und ruft die richtige Erinnerung zum richtigen Zeitpunkt ab. Kein manuelles Taggen, keine Konfigurationsprobleme.

Ihr KI-Gedächtnisassistent in Aktion

Ohne Gedächtnis — jede Sitzung beginnt bei null:

Sie: „Verwende Tabs für die Einrückung, füge immer Fehlerbehandlung hinzu." (nächste Sitzung) Sie: „Ich habe es dir schon gesagt — Tabs, nicht Leerzeichen!" 😤 (nächste Sitzung) Sie: „…ernsthaft, Tabs. Und Fehlerbehandlung. Schon wieder."

Mit memory-lancedb-pro — Ihr Agent lernt und erinnert sich:

Sie: „Verwende Tabs für die Einrückung, füge immer Fehlerbehandlung hinzu." (nächste Sitzung — Agent ruft automatisch Ihre Präferenzen ab) Agent: (wendet still Tabs + Fehlerbehandlung an) ✅ Sie: „Warum haben wir letzten Monat PostgreSQL statt MongoDB gewählt?" Agent: „Basierend auf unserer Diskussion am 12. Februar waren die Hauptgründe…" ✅

Das ist der Unterschied, den ein KI-Gedächtnisassistent macht — er lernt Ihren Stil, erinnert sich an vergangene Entscheidungen und liefert personalisierte Antworten, ohne dass Sie sich wiederholen müssen.

Was kann es noch?

Schnellstart

CPU-Anforderung: Deine CPU muss AVX/AVX2-Befehle unterstützen (Intel Sandy Bridge 2011+ / AMD Bulldozer 2011+). Die native Vektor-Engine von LanceDB benötigt diese — auf nicht unterstützten CPUs stürzt das Plugin mit SIGILL (Illegal Instruction) ab. Prüfe mit: grep -o 'avx[^ ]*' /proc/cpuinfo | head -1 (keine Ausgabe = nicht unterstützt). Siehe #419.

Option A: Ein-Klick-Installationsskript (empfohlen)

Das community-gepflegte Setup-Skript erledigt Installation, Upgrade und Reparatur in einem Befehl:

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

Siehe Ökosystem unten für die vollständige Liste der abgedeckten Szenarien und andere Community-Tools.

Option B: Manuelle Installation

Über OpenClaw CLI (empfohlen):

openclaw plugins install memory-lancedb-pro@beta

Oder über npm:

npm i memory-lancedb-pro@beta

Bei npm-Installation müssen Sie auch das Plugin-Installationsverzeichnis als absoluten Pfad in plugins.load.paths Ihrer openclaw.json hinzufügen. Dies ist das häufigste Einrichtungsproblem.

Fügen Sie zu Ihrer openclaw.json hinzu:

{
  "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 }
        }
      }
    }
  }
}

Warum diese Standardwerte?

• autoCapture + smartExtraction → Ihr Agent lernt automatisch aus jeder Unterhaltung
• autoRecall → relevante Erinnerungen werden vor jeder Antwort injiziert
• extractMinMessages: 2 → Extraktion wird bei normalen Zwei-Runden-Chats ausgelöst
• sessionMemory.enabled: false → vermeidet Verschmutzung der Suche durch Sitzungszusammenfassungen am Anfang

Validieren und neu starten:

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

Sie sollten sehen:

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

Fertig! Ihr Agent verfügt jetzt über Langzeitgedächtnis.

# 1) Backup
openclaw memory-pro export --scope global --output memories-backup.json
# 2) Testlauf
openclaw memory-pro upgrade --dry-run
# 3) Upgrade ausführen
openclaw memory-pro upgrade
# 4) Überprüfen
openclaw memory-pro stats

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

Ökosystem

memory-lancedb-pro ist das Kern-Plugin. Die Community hat Tools darum herum gebaut, um Einrichtung und tägliche Nutzung noch reibungsloser zu machen:

Setup-Skript — Ein-Klick-Installation, Upgrade und Reparatur

CortexReach/toolbox/memory-lancedb-pro-setup

Nicht nur ein einfacher Installer — das Skript behandelt intelligent eine Vielzahl realer Szenarien:

bash setup-memory.sh                    # Installieren oder upgraden
bash setup-memory.sh --dry-run          # Nur Vorschau
bash setup-memory.sh --beta             # Pre-Release-Versionen einschließen
bash setup-memory.sh --uninstall        # Konfiguration zurücksetzen und Plugin entfernen

Eingebaute Anbieter-Presets: Jina / DashScope / SiliconFlow / OpenAI / Ollama, oder bringen Sie Ihre eigene OpenAI-kompatible API mit. Für die vollständige Nutzung (einschließlich --ref, --selfcheck-only und mehr) siehe das Setup-Skript README.

Claude Code / OpenClaw Skill — KI-geführte Konfiguration

CortexReach/memory-lancedb-pro-skill

Installieren Sie diesen Skill und Ihr KI-Agent (Claude Code oder OpenClaw) erhält tiefgreifendes Wissen über alle Funktionen von memory-lancedb-pro. Sagen Sie einfach „hilf mir die beste Konfiguration zu aktivieren" und erhalten Sie:

• Geführter 7-Schritte-Konfigurationsworkflow mit 4 Bereitstellungsplänen:
  • Full Power (Jina + OpenAI) / Budget (kostenloser SiliconFlow Reranker) / Simple (nur OpenAI) / Vollständig lokal (Ollama, null API-Kosten)
• Alle 9 MCP-Tools korrekt verwendet: memory_recall, memory_store, memory_forget, memory_update, memory_stats, memory_list, self_improvement_log, self_improvement_extract_skill, self_improvement_review (vollständiges Toolset erfordert enableManagementTools: true — die Standard-Schnellstart-Konfiguration stellt nur die 4 Kern-Tools bereit)
• Vermeidung häufiger Fallstricke: Workspace-Plugin-Aktivierung, autoRecall standardmäßig false, jiti-Cache, Umgebungsvariablen, Scope-Isolation und mehr

Installation für Claude Code:

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

Installation für OpenClaw:

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

Video-Tutorial

Vollständige Anleitung: Installation, Konfiguration und Funktionsweise der hybriden Suche.

https://youtu.be/MtukF1C8epQ

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

Architektur

┌─────────────────────────────────────────────────────────┐
│                   index.ts (Einstiegspunkt)             │
│  Plugin-Registrierung · 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)    │
    └─────────────┘   └──────────┘

Für eine detaillierte Analyse der vollständigen Architektur siehe docs/memory_architecture_analysis.md.

Kernfunktionen

Hybride Suche

Query → embedQuery() ─┐
                       ├─→ Hybride Fusion → Rerank → Lifecycle-Zerfall-Boost → Längennorm → Filter
Query → BM25 FTS ─────┘

• Vektorsuche — semantische Ähnlichkeit über LanceDB ANN (Kosinus-Distanz)
• BM25 Volltextsuche — exakte Schlüsselwortübereinstimmung über LanceDB FTS-Index
• Hybride Fusion — Vektorscore als Basis, BM25-Treffer erhalten gewichteten Boost (kein Standard-RRF — optimiert für reale Abrufqualität)
• Konfigurierbare Gewichte — vectorWeight, bm25Weight, minScore

Cross-Encoder Reranking

• Eingebaute Adapter für Jina, SiliconFlow, Voyage AI und Pinecone
• Kompatibel mit jedem Jina-kompatiblen Endpunkt (z.B. Hugging Face TEI, DashScope)
• Hybrid-Scoring: 60% Cross-Encoder + 40% ursprünglicher fusionierter Score
• Graceful Degradation: Rückfall auf Kosinus-Ähnlichkeit bei API-Ausfall

Mehrstufige Scoring-Pipeline

Intelligente Gedächtnisextraktion (v1.1.0)

• LLM-gestützte 6-Kategorien-Extraktion: Profil, Präferenzen, Entitäten, Ereignisse, Fälle, Muster
• L0/L1/L2 Schichtspeicherung: L0 (Einzeiler-Index) → L1 (strukturierte Zusammenfassung) → L2 (vollständige Erzählung)
• Zweistufige Deduplizierung: Vektor-Ähnlichkeits-Vorfilter (≥0.7) → LLM semantische Entscheidung (CREATE/MERGE/SKIP)
• Kategoriebasierte Zusammenführung: profile wird immer zusammengeführt, events/cases sind nur anfügbar

Gedächtnis-Lebenszyklusverwaltung (v1.1.0)

• Weibull-Zerfallsmotor: Gesamtscore = Aktualität + Häufigkeit + intrinsischer Wert
• Dreistufige Beförderung: Peripheral ↔ Working ↔ Core mit konfigurierbaren Schwellenwerten
• Zugriffsverstärkung: Häufig abgerufene Erinnerungen zerfallen langsamer (Spaced-Repetition-Stil)
• Wichtigkeitsmodulierte Halbwertszeit: Wichtige Erinnerungen zerfallen langsamer

Multi-Scope-Isolation

• Eingebaute Scopes: global, agent:<id>, custom:<name>, project:<id>, user:<id>
• Zugriffskontrolle auf Agentenebene über scopes.agentAccess
• Standard: Jeder Agent greift auf global + seinen eigenen agent:<id>-Scope zu

Auto-Capture und Auto-Recall

• Auto-Capture (agent_end): Extrahiert Präferenzen/Fakten/Entscheidungen/Entitäten aus Gesprächen, dedupliziert, speichert bis zu 3 pro Runde
• Auto-Recall (before_agent_start): Injiziert <relevant-memories>-Kontext (bis zu 3 Einträge)

Rauschfilterung und adaptive Suche

• Filtert minderwertige Inhalte: Agent-Ablehnungen, Meta-Fragen, Begrüßungen
• Überspringt Suche bei: Begrüßungen, Slash-Befehlen, einfachen Bestätigungen, Emoji
• Erzwingt Suche bei Gedächtnis-Schlüsselwörtern („erinnere dich", „vorher", „letztes Mal")
• CJK-bewusste Schwellenwerte (Chinesisch: 6 Zeichen vs Englisch: 15 Zeichen)

Konfiguration

{
  "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
}

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

CLI-Befehle

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-Login-Ablauf:

1. Führen Sie openclaw memory-pro auth login aus
2. Wenn --provider in einem interaktiven Terminal weggelassen wird, zeigt die CLI eine OAuth-Anbieterauswahl an, bevor der Browser geöffnet wird
3. Der Befehl gibt eine Autorisierungs-URL aus und öffnet Ihren Browser, sofern --no-browser nicht gesetzt ist
4. Nach erfolgreichem OAuth-Callback speichert der Befehl die Plugin-OAuth-Datei (Standard: ~/.openclaw/.memory-lancedb-pro/oauth.json), erstellt eine Sicherung der vorherigen api-key llm-Konfiguration für Logout und ersetzt die Plugin-llm-Konfiguration durch OAuth-Einstellungen (auth, oauthProvider, model, oauthPath)
5. openclaw memory-pro auth logout löscht die OAuth-Datei und stellt die vorherige api-key llm-Konfiguration wieder her, wenn eine Sicherung vorhanden ist

Erweiterte Themen

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

## /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 ID

## 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.

Dokumentation

Beta: Smart Memory v1.1.0

Status: Beta — verfügbar über npm i memory-lancedb-pro@beta. Stabile Benutzer auf latest sind nicht betroffen.

Feedback: GitHub Issues · Zurücksetzen: npm i memory-lancedb-pro@latest

Abhängigkeiten

Contributors

Full list: Contributors

Star History

Lizenz

MIT

Mein WeChat QR-Code