README_TW.md

🧠 memory-lancedb-pro · 🦞OpenClaw Plugin

OpenClaw 智慧體的 AI 記憶助理

讓你的 AI 智慧體擁有真正的記憶力——跨工作階段、跨智慧體、跨時間。

基於 LanceDB 的 OpenClaw 長期記憶外掛，自動儲存偏好、決策和專案上下文，在後續工作階段中自動回憶。

English | 简体中文 | 繁體中文 | 日本語 | 한국어 | Français | Español | Deutsch | Italiano | Русский | Português (Brasil)

---

為什麼選 memory-lancedb-pro？

大多數 AI 智慧體都有「失憶症」——每次新對話，之前聊過的全部清零。

memory-lancedb-pro 是 OpenClaw 的生產級長期記憶外掛，把你的智慧體變成一個真正的 AI 記憶助理——自動擷取重要資訊，讓雜訊自然衰減，在恰當的時候回憶起恰當的內容。無需手動標記，無需複雜設定。

AI 記憶助理實際效果

沒有記憶——每次都從零開始：

你： 「縮排用 tab，所有函式都要加錯誤處理。」 （下一次工作階段） 你： 「我都說了用 tab 不是空格！」 😤 （再下一次工作階段） 你： 「……我真的說了第三遍了，tab，還有錯誤處理。」

有了 memory-lancedb-pro——你的智慧體學會了、記住了：

你： 「縮排用 tab，所有函式都要加錯誤處理。」 （下一次工作階段——智慧體自動回憶你的偏好） 智慧體： （默默改成 tab 縮排，並補上錯誤處理） ✅ 你： 「上個月我們為什麼選了 PostgreSQL 而不是 MongoDB？」 智慧體： 「根據我們 2 月 12 日的討論，主要原因是……」 ✅

這就是 AI 記憶助理 的價值——學習你的風格，回憶過去的決策，提供個人化的回應，不再讓你重複自己。

還能做什麼？

	你能得到的
自動擷取	智慧體從每次對話中學習——不需要手動呼叫 memory_store
智慧擷取	LLM 驅動的 6 類分類：使用者輪廓、偏好、實體、事件、案例、模式
智慧遺忘	Weibull 衰減模型——重要記憶留存，雜訊自然消退
混合檢索	向量 + BM25 全文搜尋，融合交叉編碼器重排序
上下文注入	相關記憶在每次回覆前自動浮現
多作用域隔離	按智慧體、按使用者、按專案隔離記憶邊界
任意服務商	OpenAI、Jina、Gemini、Ollama 或任意 OpenAI 相容 API
完整工具鏈	CLI、備份、遷移、升級、匯入匯出——生產可用

---

快速開始

方式 A：一鍵安裝指令碼（推薦）

社群維護的 安裝指令碼 一條指令搞定安裝、升級和修復：

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

指令碼涵蓋的完整場景和其他社群工具，詳見下方 生態工具。

方式 B：手動安裝

透過 OpenClaw CLI（推薦）：

openclaw plugins install memory-lancedb-pro@beta

或透過 npm：

npm i memory-lancedb-pro@beta

如果用 npm 安裝，你還需要在 openclaw.json 的 plugins.load.paths 中新增外掛安裝目錄的 絕對路徑。這是最常見的安裝問題。

在 openclaw.json 中新增設定：

{
  "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 }
        }
      }
    }
  }
}

為什麼用這些預設值？

• autoCapture + smartExtraction → 智慧體自動從每次對話中學習
• autoRecall → 相關記憶在每次回覆前自動注入
• extractMinMessages: 2 → 正常兩輪對話即觸發擷取
• sessionMemory.enabled: false → 避免工作階段摘要在初期汙染檢索結果

驗證並重啟：

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

你應該能看到：

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

完成！你的智慧體現在擁有長期記憶了。

更多安裝路徑（現有使用者、升級）

已在使用 OpenClaw？

1. 在 plugins.load.paths 中新增外掛的 絕對路徑
2. 繫結記憶插槽：plugins.slots.memory = "memory-lancedb-pro"
3. 驗證：openclaw plugins info memory-lancedb-pro && openclaw memory-pro stats

從 v1.1.0 之前的版本升級？

# 1) 備份
openclaw memory-pro export --scope global --output memories-backup.json
# 2) 試執行
openclaw memory-pro upgrade --dry-run
# 3) 執行升級
openclaw memory-pro upgrade
# 4) 驗證
openclaw memory-pro stats

詳見 CHANGELOG-v1.1.0.md 了解行為變更和升級說明。

Telegram Bot 快速匯入（點選展開）

如果你在使用 OpenClaw 的 Telegram 整合，最簡單的方式是直接給主 Bot 發訊息，而不是手動編輯設定檔。

以下為英文原文，方便直接複製傳送給 Bot：

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

---

生態工具

memory-lancedb-pro 是核心外掛。社群圍繞它建構了配套工具，讓安裝和日常使用更加順暢：

安裝指令碼——一鍵安裝、升級和修復

CortexReach/toolbox/memory-lancedb-pro-setup

不只是簡單的安裝器——指令碼能智慧處理各種常見場景：

你的情況	指令碼會做什麼
從未安裝	全新下載 → 安裝依賴 → 選擇設定 → 寫入 openclaw.json → 重啟
透過 git clone 安裝，卡在舊版本	自動 git fetch + checkout 到最新 → 重裝依賴 → 驗證
設定中有無效欄位	自動偵測並透過 schema 過濾移除不支援的欄位
透過 npm 安裝	跳過 git 更新，提醒你自行執行 npm update
openclaw CLI 因無效設定崩潰	降級方案：直接從 openclaw.json 檔案讀取工作目錄路徑
extensions/ 而非 plugins/	從設定或檔案系統自動偵測外掛位置
已是最新版	僅執行健康檢查，不做變動

bash setup-memory.sh                    # 安裝或升級
bash setup-memory.sh --dry-run          # 僅預覽
bash setup-memory.sh --beta             # 包含預發布版本
bash setup-memory.sh --uninstall        # 還原設定並移除外掛

內建服務商預設：Jina / DashScope / SiliconFlow / OpenAI / Ollama，或自帶任意 OpenAI 相容 API。完整用法（含 --ref、--selfcheck-only 等）詳見安裝指令碼 README。

Claude Code / OpenClaw Skill——AI 引導式設定

CortexReach/memory-lancedb-pro-skill

安裝這個 Skill，你的 AI 智慧體（Claude Code 或 OpenClaw）就能深度掌握 memory-lancedb-pro 的所有功能。只需說 「help me enable the best config」 即可獲得：

• 7 步引導式設定流程，提供 4 套部署方案：
  • 滿血版（Jina + OpenAI）/ 省錢版（免費 SiliconFlow 重排序）/ 簡約版（僅 OpenAI）/ 全本機版（Ollama，零 API 成本）
• 全部 9 個 MCP 工具 的正確用法：memory_recall、memory_store、memory_forget、memory_update、memory_stats、memory_list、self_improvement_log、self_improvement_extract_skill、self_improvement_review （完整工具集需要設定 enableManagementTools: true——預設快速設定僅公開 4 個核心工具）
• 避開常見陷阱：workspace 外掛啟用、autoRecall 預設 false、jiti 快取、環境變數、作用域隔離等

Claude Code 安裝：

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

OpenClaw 安裝：

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

---

影片教學

完整演示：安裝、設定、混合檢索內部原理。

https://youtu.be/MtukF1C8epQ

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

---

架構

┌─────────────────────────────────────────────────────────┐
│                   index.ts (入口)                        │
│  外掛註冊 · 設定解析 · 生命週期鉤子                        │
└────────┬──────────┬──────────┬──────────┬───────────────┘
         │          │          │          │
    ┌────▼───┐ ┌────▼───┐ ┌───▼────┐ ┌──▼──────────┐
    │ store  │ │embedder│ │retriever│ │   scopes    │
    │ .ts    │ │ .ts    │ │ .ts    │ │    .ts      │
    └────────┘ └────────┘ └────────┘ └─────────────┘
         │                     │
    ┌────▼───┐           ┌─────▼──────────┐
    │migrate │           │noise-filter.ts │
    │ .ts    │           │adaptive-       │
    └────────┘           │retrieval.ts    │
                         └────────────────┘
    ┌─────────────┐   ┌──────────┐
    │  tools.ts   │   │  cli.ts  │
    │ (智慧體 API)│   │ (CLI)    │
    └─────────────┘   └──────────┘

完整架構解析見 docs/memory_architecture_analysis.md。

檔案說明（點選展開）

檔案	用途
index.ts	外掛入口，註冊 OpenClaw Plugin API、解析設定、掛載生命週期鉤子
openclaw.plugin.json	外掛中繼資料 + 完整 JSON Schema 設定宣告
cli.ts	CLI 指令：memory-pro list/search/stats/delete/delete-bulk/export/import/reembed/upgrade/migrate
src/store.ts	LanceDB 儲存層：建表 / 全文索引 / 向量搜尋 / BM25 搜尋 / CRUD
src/embedder.ts	Embedding 抽象層，相容任意 OpenAI 相容 API
src/retriever.ts	混合檢索引擎：向量 + BM25 → 混合融合 → 重排序 → 生命週期衰減 → 過濾
src/scopes.ts	多作用域存取控制
src/tools.ts	智慧體工具定義：memory_recall、memory_store、memory_forget、memory_update + 管理工具
src/noise-filter.ts	過濾智慧體拒絕回覆、元問題、打招呼等低品質內容
src/adaptive-retrieval.ts	判斷查詢是否需要記憶檢索
src/migrate.ts	從內建 memory-lancedb 遷移到 Pro
src/smart-extractor.ts	LLM 驅動的 6 類擷取，支援 L0/L1/L2 分層儲存和兩階段去重
src/decay-engine.ts	Weibull 拉伸指數衰減模型
src/tier-manager.ts	三級晉升/降級：外圍 ↔ 工作 ↔ 核心

---

核心功能

混合檢索

查詢 → embedQuery() ─┐
                      ├─→ 混合融合 → 重排序 → 生命週期衰減加權 → 長度正規化 → 過濾
查詢 → BM25 全文 ─────┘

• 向量搜尋 — 基於 LanceDB ANN 的語意相似度（餘弦距離）
• BM25 全文搜尋 — 透過 LanceDB FTS 索引進行精確關鍵字比對
• 混合融合 — 以向量分數為基礎，BM25 命中結果獲得加權提升（非標準 RRF——針對實際召回品質調優）
• 可設定權重 — vectorWeight、bm25Weight、minScore

交叉編碼器重排序

• 內建 Jina、SiliconFlow、Voyage AI 和 Pinecone 適配器
• 相容任意 Jina 相容端點（如 Hugging Face TEI、DashScope）
• 混合打分：60% 交叉編碼器 + 40% 原始融合分數
• 優雅降級：API 失敗時回退到餘弦相似度

多階段評分管線

階段	效果
混合融合	結合語意召回和精確比對召回
交叉編碼器重排序	提升語意精確命中的排名
生命週期衰減加權	Weibull 時效性 + 存取頻率 + 重要性 × 置信度
長度正規化	防止長條目主導結果（錨點：500 字元）
硬最低分	移除無關結果（預設：0.35）
MMR 多樣性	餘弦相似度 > 0.85 → 降權

智慧記憶擷取（v1.1.0）

• LLM 驅動的 6 類擷取：使用者輪廓、偏好、實體、事件、案例、模式
• L0/L1/L2 分層儲存：L0（一句話索引）→ L1（結構化摘要）→ L2（完整敘述）
• 兩階段去重：向量相似度預過濾（≥0.7）→ LLM 語意決策（CREATE/MERGE/SKIP）
• 類別感知合併：profile 始終合併，events/cases 僅追加

記憶生命週期管理（v1.1.0）

• Weibull 衰減引擎：綜合分數 = 時效性 + 頻率 + 內在價值
• 三級晉升：外圍 ↔ 工作 ↔ 核心，閾值可設定
• 存取強化：頻繁被召回的記憶衰減更慢（類似間隔重複機制）
• 重要性調制半衰期：重要記憶衰減更慢

多作用域隔離

• 內建作用域：global、agent:<id>、custom:<name>、project:<id>、user:<id>
• 透過 scopes.agentAccess 實現智慧體級別的存取控制
• 預設：每個智慧體存取 global + 自己的 agent:<id> 作用域

自動擷取與自動回憶

• 自動擷取（agent_end）：從對話中擷取偏好/事實/決策/實體，去重後每輪最多儲存 3 條
• 自動回憶（before_agent_start）：注入 <relevant-memories> 上下文（最多 3 條）

雜訊過濾與自適應檢索

• 過濾低品質內容：智慧體拒絕回覆、元問題、打招呼
• 跳過檢索：打招呼、斜線指令、簡單確認、表情符號
• 強制檢索：記憶關鍵字（「記得」、「之前」、「上次」）
• CJK 感知閾值（中文：6 字元 vs 英文：15 字元）

---

與內建 memory-lancedb 的對比（點選展開）

功能	內建 memory-lancedb	memory-lancedb-pro
向量搜尋	有	有
BM25 全文搜尋	-	有
混合融合（向量 + BM25）	-	有
交叉編碼器重排序（多服務商）	-	有
時效性提升和時間衰減	-	有
長度正規化	-	有
MMR 多樣性	-	有
多作用域隔離	-	有
雜訊過濾	-	有
自適應檢索	-	有
管理 CLI	-	有
工作階段記憶	-	有
任務感知 Embedding	-	有
LLM 智慧擷取（6 類）	-	有（v1.1.0）
Weibull 衰減 + 層級晉升	-	有（v1.1.0）
任意 OpenAI 相容 Embedding	有限	有

---

設定

完整設定範例

{
  "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
}

Embedding 服務商

相容 任意 OpenAI 相容 Embedding API：

服務商	模型	Base URL	維度
Jina（推薦）	jina-embeddings-v5-text-small	https://api.jina.ai/v1	1024
OpenAI	text-embedding-3-small	https://api.openai.com/v1	1536
Voyage	voyage-4-lite / voyage-4	https://api.voyageai.com/v1	1024 / 1024
Google Gemini	gemini-embedding-001	https://generativelanguage.googleapis.com/v1beta/openai/	3072
Ollama（本地）	nomic-embed-text	http://localhost:11434/v1	取決於模型

重排序服務商

交叉編碼器重排序透過 rerankProvider 支援多個服務商：

服務商	rerankProvider	範例模型
Jina（預設）	jina	jina-reranker-v3
SiliconFlow（有免費額度）	siliconflow	BAAI/bge-reranker-v2-m3
Voyage AI	voyage	rerank-2.5
Pinecone	pinecone	bge-reranker-v2-m3

任何 Jina 相容的重排序端點也可以使用——設定 rerankProvider: "jina" 並將 rerankEndpoint 指向你的服務（如 Hugging Face TEI、DashScope qwen3-rerank）。

智慧擷取（LLM）— v1.1.0

當 smartExtraction 啟用（預設 true）時，外掛使用 LLM 智慧擷取和分類記憶，取代基於正則的觸發方式。

欄位	類型	預設值	說明
smartExtraction	boolean	true	是否啟用 LLM 智慧 6 類別擷取
llm.auth	string	api-key	api-key 使用 llm.apiKey / embedding.apiKey；oauth 預設使用外掛級 OAuth token 檔案
llm.apiKey	string	（複用 embedding.apiKey）	LLM 服務商 API Key
llm.model	string	openai/gpt-oss-120b	LLM 模型名稱
llm.baseURL	string	（複用 embedding.baseURL）	LLM API 端點
llm.oauthProvider	string	openai-codex	llm.auth 為 oauth 時使用的 OAuth provider id
llm.oauthPath	string	~/.openclaw/.memory-lancedb-pro/oauth.json	llm.auth 為 oauth 時使用的 OAuth token 檔案
llm.timeoutMs	number	30000	LLM 請求逾時（毫秒）
extractMinMessages	number	2	觸發擷取的最小訊息數
extractMaxChars	number	8000	傳送給 LLM 的最大字元數

OAuth llm 設定（使用現有 Codex / ChatGPT 登入快取來發送 LLM 請求）：

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

llm.auth: "oauth" 說明：

• llm.oauthProvider 目前僅支援 openai-codex。
• OAuth token 預設存放在 ~/.openclaw/.memory-lancedb-pro/oauth.json。
• 如需自訂路徑，可設定 llm.oauthPath。
• auth login 會在 OAuth 檔案旁邊快照原來的 api-key 模式 llm 設定；auth logout 在可用時會恢復這份快照。
• 從 api-key 切到 oauth 時不會自動沿用 llm.baseURL；只有在你明確需要自訂 ChatGPT/Codex 相容後端時，才應在 oauth 模式下手動設定。

生命週期設定（衰減 + 層級）

欄位	預設值	說明
decay.recencyHalfLifeDays	30	Weibull 時效性衰減的基礎半衰期
decay.frequencyWeight	0.3	存取頻率在綜合分數中的權重
decay.intrinsicWeight	0.3	重要性 × 置信度 的權重
decay.betaCore	0.8	核心 記憶的 Weibull beta
decay.betaWorking	1.0	工作 記憶的 Weibull beta
decay.betaPeripheral	1.3	外圍 記憶的 Weibull beta
tier.coreAccessThreshold	10	晉升到 核心 所需的最小召回次數
tier.peripheralAgeDays	60	降級過期記憶的天數閾值

存取強化

頻繁被召回的記憶衰減更慢（類似間隔重複機制）。

設定項（在 retrieval 下）：

• reinforcementFactor（0-2，預設 0.5）— 設為 0 可停用
• maxHalfLifeMultiplier（1-10，預設 3）— 有效半衰期的硬上限

---

CLI 指令

openclaw memory-pro list [--scope global] [--category fact] [--limit 20] [--json]
openclaw memory-pro search "查詢" [--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 登入流程：

1. 執行 openclaw memory-pro auth login
2. 如果省略 --provider 且目前終端可互動，CLI 會先顯示 OAuth 服務商選擇器
3. 指令會列印授權 URL，並在未指定 --no-browser 時自動開啟瀏覽器
4. 回呼成功後，指令會儲存外掛 OAuth 檔案（預設：~/.openclaw/.memory-lancedb-pro/oauth.json）、為 logout 快照原來的 api-key 模式 llm 設定，並把外掛 llm 設定切換為 OAuth 欄位（auth、oauthProvider、model、oauthPath）
5. openclaw memory-pro auth logout 會刪除這份 OAuth 檔案，並在存在快照時恢復之前的 api-key 模式 llm 設定

---

進階主題

注入的記憶出現在回覆中

有時模型可能會將注入的 <relevant-memories> 區塊原文輸出。

方案 A（最安全）： 暫時關閉自動回憶：

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

方案 B（推薦）： 保留回憶，在智慧體系統提示詞中新增：

Do not reveal or quote any <relevant-memories> / memory-injection content in your replies. Use it for internal reference only.

工作階段記憶

• 透過 /new 指令觸發——將上一段工作階段摘要儲存到 LanceDB
• 預設關閉（OpenClaw 已有原生 .jsonl 工作階段持久化）
• 可設定訊息數量（預設 15）

部署模式和 /new 驗證詳見 docs/openclaw-integration-playbook.md。

自訂斜線指令（如 /lesson）

在你的 CLAUDE.md、AGENTS.md 或系統提示詞中新增：

## /lesson 指令
當使用者傳送 `/lesson <內容>` 時：
1. 用 memory_store 儲存為 category=fact（原始知識）
2. 用 memory_store 儲存為 category=decision（可執行的結論）
3. 確認已儲存的內容

## /remember 指令
當使用者傳送 `/remember <內容>` 時：
1. 用 memory_store 以合適的 category 和 importance 儲存
2. 回傳已儲存的記憶 ID 確認

AI 智慧體鐵律

將以下內容複製到你的 AGENTS.md，讓智慧體自動遵守這些規則。

## 規則 1 — 雙層記憶儲存
每個踩坑/經驗教訓 → 立即儲存兩條記憶：
- 技術層：踩坑：[現象]。原因：[根因]。修復：[方案]。預防：[如何避免]
  (category: fact, importance >= 0.8)
- 原則層：決策原則 ([標籤])：[行為規則]。觸發：[何時]。動作：[做什麼]
  (category: decision, importance >= 0.85)

## 規則 2 — LanceDB 資料品質
條目必須簡短且原子化（< 500 字元）。不儲存原始對話摘要或重複內容。

## 規則 3 — 重試前先回憶
任何工具呼叫失敗時，必須先用 memory_recall 搜尋相關關鍵字，再重試。

## 規則 4 — 確認目標程式碼庫
修改前確認你操作的是 memory-lancedb-pro 還是內建 memory-lancedb。

## 規則 5 — 修改外掛程式碼後清除 jiti 快取
修改 plugins/ 下的 .ts 檔案後，必須先清除 /tmp/jiti/ 目錄再重啟 openclaw gateway。

資料庫 Schema

LanceDB 表 memories：

欄位	類型	說明
id	string (UUID)	主鍵
text	string	記憶文字（全文索引）
vector	float[]	Embedding 向量
category	string	儲存類別：preference / fact / decision / entity / reflection / other
scope	string	作用域識別碼（如 global、agent:main）
importance	float	重要性分數 0-1
timestamp	int64	建立時間戳記（毫秒）
metadata	string (JSON)	擴充中繼資料

v1.1.0 常用 metadata 欄位：l0_abstract、l1_overview、l2_content、memory_category、tier、access_count、confidence、last_accessed_at

關於分類的說明： 頂層 category 欄位使用 6 個儲存類別。智慧擷取的 6 類語意標籤（profile / preferences / entities / events / cases / patterns）儲存在 metadata.memory_category 中。

故障排除

"Cannot mix BigInt and other types"（LanceDB / Apache Arrow）

在 LanceDB 0.26+ 上，某些數值欄位可能以 BigInt 形式回傳。升級到 memory-lancedb-pro >= 1.0.14——外掛現在會在運算前使用 Number(...) 進行類型轉換。

---

文件

文件	說明
OpenClaw 整合手冊	部署模式、驗證、迴歸矩陣
記憶架構分析	完整架構深度解析
CHANGELOG v1.1.0	v1.1.0 行為變更和升級說明
長上下文分塊	長文件分塊策略

---

測試版：智慧記憶 v1.1.0

狀態：Beta（測試版）——透過 npm i memory-lancedb-pro@beta 安裝。使用 latest 的穩定版使用者不受影響。

功能	說明
智慧擷取	LLM 驅動的 6 類擷取，支援 L0/L1/L2 中繼資料。停用時回退到正則模式。
生命週期評分	Weibull 衰減整合到檢索中——高頻和高重要性記憶排名更高。
層級管理	三級系統（核心 → 工作 → 外圍），自動晉升/降級。

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

---

依賴

套件	用途
@lancedb/lancedb ≥0.26.2	向量資料庫（ANN + FTS）
openai ≥6.21.0	OpenAI 相容 Embedding API 客戶端
@sinclair/typebox 0.34.48	JSON Schema 類型定義

---

Contributors

Full list: Contributors

Star History

授權條款

MIT

---

我的微信 QR Code