通过检索增强实现语义搜索、记忆优化与对话提升,降低 token 消耗并提高检索准确率。
🧠 Smart Memory System - 检索增强智能记忆系统是一项面向实际任务的技能,主要用于基于检索增强(RAG)技术的智能记忆系统,为 OpenClaw 提供语义搜索、记忆优化和对话增强能力;🔍 智能检索;
🏗️ 记忆优化;自动聚类相似记忆;重要性评分系统;过期记忆清理;⚡ 实时增强;对话上下文智能扩展;相关历史自动注入;
个性化响应生成。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
基于检索增强(RAG)技术的智能记忆系统,为 OpenClaw 提供语义搜索、记忆优化和对话增强能力。
smart-memory-skill/
├── SKILL.md # 技能文档
├── config/ # 配置文件
│ ├── smart_memory.json # 主配置
│ └── models.json # 模型配置
├── scripts/ # 核心脚本
│ ├── vectorizer.js # 向量化引擎
│ ├── retriever.js # 检索引擎
│ ├── integrator.js # OpenClaw集成
│ └── monitor.js # 进度监控
├── templates/ # 模板文件
│ ├── memory_chunk.md # 记忆分块模板
│ └── progress_report.md # 进度报告模板
└── examples/ # 使用示例
├── basic_usage.md # 基础用法
└── advanced_integration.md # 高级集成
# 使用 ClawHub 安装 clawhub install smart-memory-system # 或手动安装 git clonecp -r smart-memory-skill ~/.openclaw/skills/
确保在 OpenClaw 配置中添加:
{
"models": {
"providers": {
"edgefn": {
"models": [
{
"id": "BAAI/bge-m3",
"name": "BAAI bge-m3 Embedding",
"api": "openai-completions",
"embedding_dimensions": 1024
},
{
"id": "bge-reranker-v2-m3",
"name": "BGE Reranker v2 m3",
"api": "openai-completions"
}
]
}
}
}
}
# 初始化系统 openclaw skill smart-memory init # 加载现有记忆 openclaw skill smart-memory load # 语义搜索 openclaw skill smart-memory search "OpenClaw配置优化" # 对话增强 openclaw skill smart-memory enhance "如何设置模型?" # 系统状态 openclaw skill smart-memory status
// 在 OpenClaw 配置中启用
{
"skills": {
"entries": {
"smart-memory": {
"enabled": true,
"autoEnhance": true,
"maxContextTokens": 2000
}
}
}
}
# 批量处理记忆文件 openclaw skill smart-memory batch-process ~/documents/ # 生成记忆报告 openclaw skill smart-memory report --format=html # 优化索引 openclaw skill smart-memory optimize --aggressive # 监控模式 openclaw skill smart-memory monitor --interval=5
| 指标 | 改进前 | 改进后 | 提升 |
|---|---|---|---|
| Token 消耗 | 8k-16k | 1k-3k | -80% |
| 检索准确率 | 60% | 95% | +35% |
| 响应相关性 | 70% | 95% | +25% |
| 记忆覆盖率 | 50% | 90% | +40% |
系统已配置 OpenClaw 上下文压缩功能,提供双重优化:
{
"mode": "cache-ttl",
"ttl": "5m",
"keepLastAssistants": 3,
"softTrimRatio": 0.3,
"hardClearRatio": 0.5,
"minPrunableToolChars": 50000,
"softTrim": { "headChars": 1500, "tailChars": 1500 },
"hardClear": { "enabled": true, "placeholder": "[旧工具结果内容已清理]" },
"tools": { "deny": ["browser", "canvas"] }
}
| 优化方式 | Token 节省 | 实现机制 |
|---|---|---|
| 智能记忆系统 | 80% | 语义检索替代完整历史 |
| 上下文压缩 | 70% | 清理工具调用结果 |
| 双重优化 | 90%+ | 两者结合,全面优化 |
config/smart_memory.json){
"embedding_model": "edgefn/BAAI/bge-m3",
"reranker_model": "edgefn/bge-reranker-v2-m3",
"chunk_size": 500,
"overlap": 50,
"top_k_results": 5,
"min_similarity": 0.6,
"cache_ttl_hours": 168,
"auto_enhance": true,
"max_context_tokens": 2000,
"importance_scoring": {
"age_weight": 0.2,
"frequency_weight": 0.3,
"relevance_weight": 0.5
}
}
// 自定义记忆处理器
class CustomMemoryProcessor {
async process(memory) {
// 自定义处理逻辑
return enhancedMemory;
}
}
// 注册插件
smartMemorySystem.registerPlugin('custom-processor', new CustomMemoryProcessor());
// 自定义记忆模板
---
title: "{{title}}"
date: "{{date}}"
tags: ["{{tags}}"]
importance: {{importance}}
summary: "{{summary}}"
---
支持多种格式导出:
# 查看系统日志 tail -f ~/.openclaw/logs/smart-memory.log # 查看调试信息 openclaw skill smart-memory debug --verbose
# 清理缓存 openclaw skill smart-memory cleanup # 重建索引 openclaw skill smart-memory reindex # 备份数据 openclaw skill smart-memory backup ~/backup/ # 恢复系统 openclaw skill smart-memory restore ~/backup/latest/
git checkout -b feature/amazing-feature)git commit -m 'Add amazing feature')git push origin feature/amazing-feature)在 GitHub Issues 中报告问题,包括:
MIT License - 详见 LICENSE 文件
🎉 欢迎使用检索增强智能记忆系统,让您的 OpenClaw 更智能、更高效!
相关专题
热门下载
相关下载
精品课程
共86课时 | 27.6万人学习
共18课时 | 6.1万人学习
共31课时 | 5万人学习