Perché memory-lancedb-pro?

La maggior parte degli agenti IA soffre di amnesia. Dimenticano tutto nel momento in cui si avvia una nuova chat.

memory-lancedb-pro è un plugin di memoria a lungo termine di livello produttivo per OpenClaw che trasforma il tuo agente in un vero Assistente Memoria IA — cattura automaticamente ciò che conta, lascia il rumore dissolversi naturalmente e recupera il ricordo giusto al momento giusto. Nessun tag manuale, nessuna configurazione complicata.

Il tuo Assistente Memoria IA in azione

Senza memoria — ogni sessione parte da zero:

Tu: "Usa i tab per l'indentazione, aggiungi sempre la gestione degli errori." (sessione successiva) Tu: "Te l'ho già detto — tab, non spazi!" 😤 (sessione successiva) Tu: "…sul serio, tab. E gestione degli errori. Di nuovo."

Con memory-lancedb-pro — il tuo agente impara e ricorda:

Tu: "Usa i tab per l'indentazione, aggiungi sempre la gestione degli errori." (sessione successiva — l'agente richiama automaticamente le tue preferenze) Agente: (applica silenziosamente tab + gestione errori) ✅ Tu: "Perché il mese scorso abbiamo scelto PostgreSQL invece di MongoDB?" Agente: "In base alla nostra discussione del 12 febbraio, i motivi principali erano…" ✅

Questa è la differenza che fa un Assistente Memoria IA — impara il tuo stile, ricorda le decisioni passate e fornisce risposte personalizzate senza che tu debba ripeterti.

Cos'altro può fare?

Avvio rapido

Requisito CPU: La tua CPU deve supportare le istruzioni AVX/AVX2 (Intel Sandy Bridge 2011+ / AMD Bulldozer 2011+). Il motore vettoriale nativo di LanceDB le richiede — su CPU non supportate il plugin andrà in crash con SIGILL (Istruzione illegale). Verifica con: grep -o 'avx[^ ]*' /proc/cpuinfo | head -1 (nessun output = non supportato). Vedi #419.

Opzione A: Script di installazione con un clic (consigliato)

Lo script di installazione mantenuto dalla community gestisce installazione, aggiornamento e riparazione in un solo comando:

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

Vedi Ecosistema qui sotto per l'elenco completo degli scenari coperti e altri strumenti della community.

Opzione B: Installazione manuale

Tramite OpenClaw CLI (consigliato):

openclaw plugins install memory-lancedb-pro@beta

Oppure tramite npm:

npm i memory-lancedb-pro@beta

Se usi npm, dovrai anche aggiungere la directory di installazione del plugin come percorso assoluto in plugins.load.paths nel tuo openclaw.json. Questo è il problema di configurazione più comune.

Aggiungi al tuo 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 }
        }
      }
    }
  }
}

Perché questi valori predefiniti?

• autoCapture + smartExtraction → il tuo agente impara automaticamente da ogni conversazione
• autoRecall → i ricordi rilevanti vengono iniettati prima di ogni risposta
• extractMinMessages: 2 → l'estrazione si attiva nelle normali chat a due turni
• sessionMemory.enabled: false → evita di inquinare la ricerca con riassunti di sessione all'inizio

Valida e riavvia:

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

Dovresti vedere:

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

Fatto! Il tuo agente ora ha una memoria a lungo termine.

# 1) Backup
openclaw memory-pro export --scope global --output memories-backup.json
# 2) Dry run
openclaw memory-pro upgrade --dry-run
# 3) Run upgrade
openclaw memory-pro upgrade
# 4) Verify
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

Ecosistema

memory-lancedb-pro è il plugin principale. La community ha costruito strumenti per rendere l'installazione e l'uso quotidiano ancora più fluidi:

Script di installazione — Installazione, aggiornamento e riparazione con un clic

CortexReach/toolbox/memory-lancedb-pro-setup

Non è un semplice installer — lo script gestisce in modo intelligente numerosi scenari reali:

bash setup-memory.sh                    # Installa o aggiorna
bash setup-memory.sh --dry-run          # Solo anteprima
bash setup-memory.sh --beta             # Includi versioni pre-release
bash setup-memory.sh --uninstall        # Ripristina configurazione e rimuovi plugin

Preset di provider integrati: Jina / DashScope / SiliconFlow / OpenAI / Ollama, oppure usa la tua API compatibile OpenAI. Per l'utilizzo completo (inclusi --ref, --selfcheck-only e altro), consulta il README dello script di installazione.

Claude Code / OpenClaw Skill — Configurazione guidata dall'IA

CortexReach/memory-lancedb-pro-skill

Installa questa Skill e il tuo agente IA (Claude Code o OpenClaw) acquisisce una conoscenza approfondita di tutte le funzionalità di memory-lancedb-pro. Basta dire "aiutami ad attivare la configurazione migliore" per ottenere:

• Workflow di configurazione guidato in 7 passaggi con 4 piani di distribuzione:
  • Full Power (Jina + OpenAI) / Budget (reranker SiliconFlow gratuito) / Simple (solo OpenAI) / Completamente locale (Ollama, zero costi API)
• Tutti i 9 strumenti MCP usati correttamente: memory_recall, memory_store, memory_forget, memory_update, memory_stats, memory_list, self_improvement_log, self_improvement_extract_skill, self_improvement_review (il set completo richiede enableManagementTools: true — la configurazione Quick Start predefinita espone i 4 strumenti principali)
• Prevenzione delle insidie comuni: attivazione plugin workspace, autoRecall predefinito a false, cache jiti, variabili d'ambiente, isolamento scope, ecc.

Installazione per Claude Code:

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

Installazione per OpenClaw:

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

Tutorial video

Guida completa: installazione, configurazione e funzionamento interno della ricerca ibrida.

https://youtu.be/MtukF1C8epQ

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

Architettura

┌─────────────────────────────────────────────────────────┐
│                   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)    │
    └─────────────┘   └──────────┘

Per un approfondimento sull'architettura completa, consulta docs/memory_architecture_analysis.md.

Funzionalità principali

Ricerca ibrida

Query → embedQuery() ─┐
                       ├─→ Hybrid Fusion → Rerank → Lifecycle Decay Boost → Length Norm → Filter
Query → BM25 FTS ─────┘

• Ricerca vettoriale — similarità semantica tramite LanceDB ANN (distanza del coseno)
• Ricerca full-text BM25 — corrispondenza esatta delle parole chiave tramite indice FTS di LanceDB
• Fusione ibrida — punteggio vettoriale come base, i risultati BM25 ricevono un boost ponderato (non RRF standard — ottimizzato per la qualità di richiamo nel mondo reale)
• Pesi configurabili — vectorWeight, bm25Weight, minScore

Reranking Cross-Encoder

• Adattatori integrati per Jina, SiliconFlow, Voyage AI e Pinecone
• Compatibile con qualsiasi endpoint compatibile Jina (ad es. Hugging Face TEI, DashScope)
• Punteggio ibrido: 60% cross-encoder + 40% punteggio fuso originale
• Degradazione elegante: fallback sulla similarità del coseno in caso di errore API

Pipeline di punteggio multi-fase

Estrazione intelligente della memoria (v1.1.0)

• Estrazione LLM in 6 categorie: profilo, preferenze, entità, eventi, casi, pattern
• Archiviazione a strati L0/L1/L2: L0 (indice in una frase) → L1 (riepilogo strutturato) → L2 (narrazione completa)
• Deduplicazione in due fasi: pre-filtro similarità vettoriale (≥0.7) → decisione semantica LLM (CREATE/MERGE/SKIP)
• Fusione consapevole delle categorie: profile viene sempre fuso, events/cases solo in aggiunta

Gestione del ciclo di vita della memoria (v1.1.0)

• Motore di decadimento Weibull: punteggio composito = freschezza + frequenza + valore intrinseco
• Promozione a tre livelli: Peripheral ↔ Working ↔ Core con soglie configurabili
• Rinforzo per accesso: i ricordi richiamati frequentemente decadono più lentamente (stile ripetizione spaziata)
• Emivita modulata dall'importanza: i ricordi importanti decadono più lentamente

Isolamento multi-scope

• Scope integrati: global, agent:<id>, custom:<name>, project:<id>, user:<id>
• Controllo accessi a livello agente tramite scopes.agentAccess
• Predefinito: ogni agente accede a global + il proprio scope agent:<id>

Auto-Capture e Auto-Recall

• Auto-Capture (agent_end): estrae preferenze/fatti/decisioni/entità dalle conversazioni, deduplica, memorizza fino a 3 per turno
• Auto-Recall (before_agent_start): inietta il contesto <relevant-memories> (fino a 3 voci)

Filtraggio del rumore e ricerca adattiva

• Filtra contenuti di bassa qualità: rifiuti dell'agente, meta-domande, saluti
• Salta la ricerca per: saluti, comandi slash, conferme semplici, emoji
• Forza la ricerca per parole chiave della memoria ("ricorda", "precedentemente", "l'ultima volta")
• Soglie CJK (cinese: 6 caratteri vs inglese: 15 caratteri)

Configurazione

{
  "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
  }
}

Comandi CLI

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]

Flusso di login OAuth:

1. Esegui openclaw memory-pro auth login
2. Se --provider è omesso in un terminale interattivo, la CLI mostra un selettore di provider OAuth prima di aprire il browser
3. Il comando stampa un URL di autorizzazione e apre il browser, a meno che non sia impostato --no-browser
4. Dopo il successo del callback, il comando salva il file OAuth del plugin (predefinito: ~/.openclaw/.memory-lancedb-pro/oauth.json), crea uno snapshot della configurazione llm precedente con api-key per il logout, e sostituisce la configurazione llm del plugin con le impostazioni OAuth (auth, oauthProvider, model, oauthPath)
5. openclaw memory-pro auth logout elimina quel file OAuth e ripristina la configurazione llm precedente con api-key quando quello snapshot esiste

Argomenti avanzati

{ "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.

Documentazione

Beta: Smart Memory v1.1.0

Stato: Beta — disponibile tramite npm i memory-lancedb-pro@beta. Gli utenti stabili su latest non sono interessati.

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

Dipendenze

Contributors

Full list: Contributors

Star History

Licenza

MIT

Il mio QR Code WeChat