Pourquoi memory-lancedb-pro ?

La plupart des agents IA souffrent d'amnésie. Ils oublient tout dès que vous démarrez une nouvelle conversation.

memory-lancedb-pro est un plugin de mémoire long terme de niveau production pour OpenClaw qui transforme votre agent en un véritable Assistant Mémoire IA — il capture automatiquement ce qui compte, laisse le bruit s'estomper naturellement et retrouve le bon souvenir au bon moment. Pas d'étiquetage manuel, pas de configuration compliquée.

Votre Assistant Mémoire IA en action

Sans mémoire — chaque session repart de zéro :

Vous : « Utilise des tabulations pour l'indentation, ajoute toujours la gestion d'erreurs. » (session suivante) Vous : « Je t'ai déjà dit — des tabulations, pas des espaces ! » 😤 (session suivante) Vous : « …sérieusement, des tabulations. Et la gestion d'erreurs. Encore. »

Avec memory-lancedb-pro — votre agent apprend et se souvient :

Vous : « Utilise des tabulations pour l'indentation, ajoute toujours la gestion d'erreurs. » (session suivante — l'agent rappelle automatiquement vos préférences) Agent : (applique silencieusement tabulations + gestion d'erreurs) ✅ Vous : « Pourquoi avons-nous choisi PostgreSQL plutôt que MongoDB le mois dernier ? » Agent : « Selon notre discussion du 12 février, les raisons principales étaient… » ✅

Voilà la différence que fait un Assistant Mémoire IA — il apprend votre style, rappelle les décisions passées et fournit des réponses personnalisées sans que vous ayez à vous répéter.

Que peut-il faire d'autre ?

Démarrage rapide

Prérequis CPU : Votre CPU doit supporter les instructions AVX/AVX2 (Intel Sandy Bridge 2011+ / AMD Bulldozer 2011+). Le moteur vectoriel natif de LanceDB les requiert — sur les CPU non compatibles, le plugin plantera avec SIGILL (Instruction illégale). Vérifiez avec : grep -o 'avx[^ ]*' /proc/cpuinfo | head -1 (pas de sortie = non supporté). Voir #419.

Option A : Script d'installation en un clic (recommandé)

Le script d'installation maintenu par la communauté gère l'installation, la mise à niveau et la réparation en une seule commande :

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

Consultez Écosystème ci-dessous pour la liste complète des scénarios couverts et les autres outils communautaires.

Option B : Installation manuelle

Via OpenClaw CLI (recommandé) :

openclaw plugins install memory-lancedb-pro@beta

Ou via npm :

npm i memory-lancedb-pro@beta

Si vous utilisez npm, vous devrez également ajouter le répertoire d'installation du plugin comme chemin absolu dans plugins.load.paths de votre openclaw.json. C'est le problème de configuration le plus courant.

Ajoutez à votre 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 }
        }
      }
    }
  }
}

Pourquoi ces valeurs par défaut ?

• autoCapture + smartExtraction → votre agent apprend automatiquement de chaque conversation
• autoRecall → les souvenirs pertinents sont injectés avant chaque réponse
• extractMinMessages: 2 → l'extraction se déclenche dans les conversations normales à deux tours
• sessionMemory.enabled: false → évite de polluer la recherche avec des résumés de session au début

Validez et redémarrez :

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

Vous devriez voir :

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

Terminé ! Votre agent dispose maintenant d'une mémoire long terme.

# 1) Sauvegarde
openclaw memory-pro export --scope global --output memories-backup.json
# 2) Simulation
openclaw memory-pro upgrade --dry-run
# 3) Exécution de la mise à niveau
openclaw memory-pro upgrade
# 4) Vérification
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
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

Écosystème

memory-lancedb-pro est le plugin principal. La communauté a construit des outils autour pour faciliter l'installation et l'utilisation quotidienne :

Script d'installation — Installation, mise à niveau et réparation en un clic

CortexReach/toolbox/memory-lancedb-pro-setup

Pas un simple installateur — le script gère intelligemment de nombreux scénarios réels :

bash setup-memory.sh                    # Installer ou mettre à niveau
bash setup-memory.sh --dry-run          # Aperçu uniquement
bash setup-memory.sh --beta             # Inclure les versions pré-release
bash setup-memory.sh --uninstall        # Restaurer la config et supprimer le plugin

Presets de fournisseurs intégrés : Jina / DashScope / SiliconFlow / OpenAI / Ollama, ou apportez votre propre API compatible OpenAI. Pour l'utilisation complète (incluant --ref, --selfcheck-only, etc.), consultez le README du script d'installation.

Claude Code / OpenClaw Skill — Configuration guidée par IA

CortexReach/memory-lancedb-pro-skill

Installez ce Skill et votre agent IA (Claude Code ou OpenClaw) acquiert une connaissance approfondie de toutes les fonctionnalités de memory-lancedb-pro. Dites simplement « aide-moi à activer la meilleure config » et obtenez :

• Workflow de configuration guidé en 7 étapes avec 4 plans de déploiement :
  • Full Power (Jina + OpenAI) / Budget (reranker SiliconFlow gratuit) / Simple (OpenAI uniquement) / Entièrement local (Ollama, zéro coût API)
• Les 9 outils MCP utilisés correctement : memory_recall, memory_store, memory_forget, memory_update, memory_stats, memory_list, self_improvement_log, self_improvement_extract_skill, self_improvement_review (l'ensemble complet nécessite enableManagementTools: true — la config Quick Start par défaut expose les 4 outils principaux)
• Évitement des pièges courants : activation du plugin workspace, autoRecall par défaut à false, cache jiti, variables d'environnement, isolation des scopes, etc.

Installation pour Claude Code :

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

Installation pour OpenClaw :

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

Tutoriel vidéo

Présentation complète : installation, configuration et fonctionnement interne de la recherche hybride.

https://youtu.be/MtukF1C8epQ

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

Architecture

┌─────────────────────────────────────────────────────────┐
│                   index.ts (Point d'entrée)             │
│  Enregistrement du plugin · Parsing config · Hooks      │
└────────┬──────────┬──────────┬──────────┬───────────────┘
         │          │          │          │
    ┌────▼───┐ ┌────▼───┐ ┌───▼────┐ ┌──▼──────────┐
    │ store  │ │embedder│ │retriever│ │   scopes    │
    │ .ts    │ │ .ts    │ │ .ts    │ │    .ts      │
    └────────┘ └────────┘ └────────┘ └─────────────┘
         │                     │
    ┌────▼───┐           ┌─────▼──────────┐
    │migrate │           │noise-filter.ts │
    │ .ts    │           │adaptive-       │
    └────────┘           │retrieval.ts    │
                         └────────────────┘
    ┌─────────────┐   ┌──────────┐
    │  tools.ts   │   │  cli.ts  │
    │ (API Agent) │   │ (CLI)    │
    └─────────────┘   └──────────┘

Pour une analyse approfondie de l'architecture complète, consultez docs/memory_architecture_analysis.md.

Fonctionnalités principales

Recherche hybride

Requête → embedQuery() ─┐
                         ├─→ Fusion hybride → Rerank → Boost décroissance → Normalisation longueur → Filtre
Requête → BM25 FTS ─────┘

• Recherche vectorielle — similarité sémantique via LanceDB ANN (distance cosinus)
• Recherche plein texte BM25 — correspondance exacte de mots-clés via l'index FTS de LanceDB
• Fusion hybride — score vectoriel comme base, les résultats BM25 reçoivent un boost pondéré (pas du RRF standard — optimisé pour la qualité de rappel réelle)
• Poids configurables — vectorWeight, bm25Weight, minScore

Reranking Cross-Encoder

• Adaptateurs intégrés pour Jina, SiliconFlow, Voyage AI et Pinecone
• Compatible avec tout endpoint compatible Jina (ex. Hugging Face TEI, DashScope)
• Scoring hybride : 60% cross-encoder + 40% score fusionné original
• Dégradation gracieuse : repli sur la similarité cosinus en cas d'échec API

Pipeline de scoring multi-étapes

Extraction mémoire intelligente (v1.1.0)

• Extraction LLM en 6 catégories : profil, préférences, entités, événements, cas, patterns
• Stockage par couches L0/L1/L2 : L0 (index en une phrase) → L1 (résumé structuré) → L2 (récit complet)
• Déduplication en deux étapes : pré-filtre de similarité vectorielle (≥0.7) → décision sémantique LLM (CREATE/MERGE/SKIP)
• Fusion sensible aux catégories : profile fusionne toujours, events/cases en ajout uniquement

Gestion du cycle de vie mémoire (v1.1.0)

• Moteur de décroissance Weibull : score composite = fraîcheur + fréquence + valeur intrinsèque
• Promotion à trois niveaux : Périphérique ↔ Travail ↔ Noyau avec seuils configurables
• Renforcement par accès : les souvenirs fréquemment rappelés décroissent plus lentement (style répétition espacée)
• Demi-vie modulée par l'importance : les souvenirs importants décroissent plus lentement

Isolation multi-scope

• Scopes intégrés : global, agent:<id>, custom:<name>, project:<id>, user:<id>
• Contrôle d'accès au niveau agent via scopes.agentAccess
• Par défaut : chaque agent accède à global + son propre scope agent:<id>

Capture automatique et rappel automatique

• Capture auto (agent_end) : extrait préférences/faits/décisions/entités des conversations, déduplique, stocke jusqu'à 3 par tour
• Rappel auto (before_agent_start) : injecte le contexte <relevant-memories> (jusqu'à 3 entrées)

Filtrage du bruit et recherche adaptative

• Filtre le contenu de faible qualité : refus d'agent, méta-questions, salutations
• Ignore la recherche pour : salutations, commandes slash, confirmations simples, emoji
• Force la recherche pour les mots-clés mémoire (« souviens-toi », « précédemment », « la dernière fois »)
• Seuils CJK (chinois : 6 caractères vs anglais : 15 caractères)

Configuration

{
  "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
  }
}

Commandes CLI

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

Flux de connexion OAuth :

1. Exécutez openclaw memory-pro auth login
2. Si --provider est omis dans un terminal interactif, la CLI affiche un sélecteur de fournisseur OAuth avant d'ouvrir le navigateur
3. La commande affiche une URL d'autorisation et ouvre votre navigateur sauf si --no-browser est défini
4. Après le succès du callback, la commande sauvegarde le fichier OAuth du plugin (par défaut : ~/.openclaw/.memory-lancedb-pro/oauth.json), sauvegarde la configuration llm api-key précédente pour la déconnexion, et remplace la configuration llm du plugin par les paramètres OAuth (auth, oauthProvider, model, oauthPath)
5. openclaw memory-pro auth logout supprime ce fichier OAuth et restaure la configuration llm api-key précédente lorsque la sauvegarde existe

Sujets avancés

{ "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.

Documentation

Beta : Smart Memory v1.1.0

Statut : Beta — disponible via npm i memory-lancedb-pro@beta. Les utilisateurs stables sur latest ne sont pas affectés.

Retours : GitHub Issues · Retour en arrière : npm i memory-lancedb-pro@latest

Dépendances

Contributors

Full list: Contributors

Star History

Licence

MIT

Mon QR Code WeChat