项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4449
使用教程
环境要求
- 已安装 OpenClaw 2026.3+ 及 openclaw CLI
- CPU 需支持 AVX 指令(部分 Linux x64 构建需 AVX2,否则可能 SIGILL 崩溃)
- 具备 Node.js / npm 环境(使用 npm 安装方式时)
- 一个 OpenAI 兼容的嵌入服务 API Key(如 OpenAI、Jina、DashScope、SiliconFlow、Ollama)
安装与启动步骤
-
1检查 CPU 指令集
确认 CPU 支持 AVX,避免 LanceDB 原生向量检索崩溃;无输出表示不支持。
grep -o 'avx[^ ]*' /proc/cpuinfo | head -1 -
2一键安装脚本
社区维护脚本会自动下载、装依赖、选配置并写入 openclaw.json,最后重启;推荐新手使用。
curl -fsSL https://raw.githubusercontent.com/CortexReach/toolbox/main/memory-lancedb-pro-setup/setup-memory.sh -o setup-memory.sh bash setup-memory.sh -
3或用 CLI 手动安装
通过 OpenClaw 插件命令安装 beta 版本,README 推荐这种方式。
openclaw plugins install memory-lancedb-pro@beta -
4或用 npm 安装
npm 安装后必须把插件安装目录的绝对路径加入 openclaw.json 的 plugins.load.paths,否则不生效。
npm i memory-lancedb-pro@beta -
5写入 openclaw.json
把插件挂到 memory 槽位并开启自动捕获与召回;apiKey 支持 ${ENV_VAR} 占位符。
{ "plugins": { "slots": { "memory": "memory-lancedb-pro" }, "entries": { "memory-lancedb-pro": { "enabled": true, "config": { "embedding": { "provider": "openai-compatible", "apiKey": "${OPENAI_API_KEY}", "model": "text-embedding-3-small" }, "autoCapture": true, "autoRecall": true, "smartExtraction": true, "canonicalCorpus": { "enabled": true, "syncOnSearch": true }, "dreaming": { "enabled": false }, "extractMinMessages": 2, "extractMaxChars": 8000, "sessionMemory": { "enabled": false } } } } } } -
6升级后修复
若从旧版本升级,新版改用 before_prompt_build 钩子,需运行 doctor 修复配置。
openclaw doctor --fix -
7查看记忆库统计
确认记忆库已建立且数据正常,可查看行数等统计信息。
openclaw memory-pro stats
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
plugins.slots.memory | 是 | 指定 memory 槽位交给本插件接管 | memory-lancedb-pro |
embedding.apiKey | 是 | 嵌入服务密钥,支持 ${ENV_VAR} 或 SecretRef 对象 | ${OPENAI_API_KEY} |
embedding.provider | 是 | 嵌入服务提供方类型 | openai-compatible |
embedding.model | 是 | 使用的嵌入模型名称 | text-embedding-3-small |
autoCapture / autoRecall | 否 | 自动捕获对话记忆并在回复前注入相关记忆 | true |
retrieval.disableNativeCosine | 否 | AVX2 缺失时改用行扫描加 JS 余弦排序,避免崩溃 | true |
如何确认成功
运行 openclaw memory-pro stats 能正常输出记忆库统计,且新会话中不再报插件或钩子错误,即表示部署成功。
常见问题
Q:npm 安装后插件没生效?
A:需在 openclaw.json 的 plugins.load.paths 中把插件安装目录写成绝对路径,README 指出这是最常见的配置问题。
Q:启动时报 SIGILL 崩溃怎么办?
A:说明 CPU 缺少 AVX2,设置 retrieval.disableNativeCosine 为 true,或设置环境变量 MEMORY_LANCEDB_DISABLE_NATIVE_COSINE=1。
Q:升级后钩子报错?
A:新版用 before_prompt_build 取代了已弃用的 before_agent_start,升级后执行 openclaw doctor --fix 即可。
Q:如何卸载或回退配置?
A:使用一键脚本的卸载参数:bash setup-memory.sh --uninstall,会还原配置并移除插件。
Q:想换旧数据库怎么办?
A:用 openclaw memory-pro reembed --source-db <old dbPath> 迁移,先加 --dry-run 核对行数,可加 --skip-existing 安全重跑。
注意事项
- 密钥字段支持 ${ENV_VAR} 占位符或 SecretRef 对象,SecretRef 仅支持 env 和 file 两种来源,exec 会被运行时校验拒绝。
- sessionMemory 默认关闭,官方建议第一天上手时保持关闭,避免会话摘要污染检索结果。
- 一键脚本支持 bash setup-memory.sh --dry-run 预览、--beta 包含预发布版本。
- 若用 npm 方式安装,脚本会跳过 git 更新并提示你自行执行 npm update。
核心亮点
- 混合检索(向量+BM25)加交叉编码器重排,记忆召回准确率显著提升
- 多作用域隔离设计,不同对话或任务记忆互不干扰,适合复杂场景
- 自带管理 CLI,支持记忆查看、删除、导入导出,运维成本低
不足之处
- 依赖 LanceDB 和 OpenClaw 框架,迁移到其他智能体平台需要适配
- 文档/社区待观察
适用场景
- 构建具备长期记忆的聊天机器人,提升个性化回复质量
- 多任务智能体(如个人助理)需要按项目或领域隔离记忆
- 开发调试阶段需要快速查看和清理智能体记忆内容
替代项目
mem0、LangChain Memory、Zep
上一篇:infinity
同类项目推荐
accelerated-data-science
开源
用 Python 在 Oracle 云上跑通训练、部署与流水线
ADS is the Oracle Data Science Cloud Service's python SDK supporting, model ops (tra···
budgetml
开源
10 行代码搞定低预算 ML 推理服务,省钱省心
Deploy a ML inference service on a budget in less than 10 lines of code.
comfy-pack
开源
一键锁定打包 ComfyUI 环境,告别部署翻车
A comprehensive toolkit for reliably locking, packing and deploying environments for···
bifrost
开源
高并发场景下,用 Bifrost 统一管理千款模型,延迟微秒级,成本一目了然。
Open-source, high-performance AI gateway that works as your LLM gateway, MCP gateway···
anemll-flash-llama.cpp
开源
让 Mac 统一内存也能跑动超大 MoE 模型
Flash-MoE sidecar slot-bank runtime for large GGUF MoE models on Apple Silicon — ll···
orthrus
开源
双视角扩散解码,让大模型推理更快且无损
[NeurIPS 2026 Spotlight] Fast, lossless LLM inference via dual-view diffusion decodi···
lilypad
开源
用区块链调度全球闲置 GPU,跑 AI 任务更便宜透明
Run AI workloads easily in a decentralized GPU network. https://www.youtube.com/wat···
fastembed
开源
轻量快速生成文本向量,让嵌入计算快人一步
Fast, Accurate, Lightweight Python library to make State of the Art Embedding
soperator
开源
用 Kubernetes 原生方式运行 Slurm,简化 HPC 集群管理。
Run Slurm in Kubernetes
