openclaw-memory-enhancer

用途

openclaw-memory-enhancer 为 OpenClaw 提供长期记忆能力，使其能够跨会话记住重要信息，并在对话中自动召回相关上下文。适用于希望 OpenClaw 跨会话记忆、从聊天历史构建知识库、进行需要上下文的长期项目、从对话自动生成 FAQ，以及在内存受限的边缘设备上运行的场景。官方同时给出不适用的情况：简单笔记应用已足够、不需要跨会话记忆，或内存充裕并追求最高准确度（此时建议使用标准版）。

主要能力

🔍 语义搜索：向量相似度搜索，理解意图而非仅匹配关键词
📂 自动加载：自动读取 memory/ 目录下的所有文件
💡 智能召回：在对话过程中找到相关的历史记忆
🔗 记忆图谱：在相关记忆之间建立连接
💾 本地存储：100% 本地，无云端，完全隐私
🚀 边缘优化：内存小于 10MB，可在 Jetson/Raspberry Pi 上运行

使用方式

安装

通过 ClawHub（推荐）：

clawhub install openclaw-memory-enhancer

通过 Git：

git clone https://github.com/henryfcb/openclaw-memory-enhancer.git \
  ~/.openclaw/skills/openclaw-memory-enhancer

常用命令

任务	边缘版命令	标准版命令
加载记忆	python3 memory_enhancer_edge.py --load	python3 memory_enhancer.py --load
搜索	--search "query"	--search "query"
添加记忆	--add "content"	--add "content"
导出	--export	--export
统计	--stats	--stats

命令行示例

# Load existing OpenClaw memories
cd ~/.openclaw/skills/openclaw-memory-enhancer
python3 memory_enhancer_edge.py --load

# Search for memories
python3 memory_enhancer_edge.py --search "voice-call plugin setup"

# Add a new memory
python3 memory_enhancer_edge.py --add "User prefers dark mode"

# Show statistics
python3 memory_enhancer_edge.py --stats

# Export to Markdown
python3 memory_enhancer_edge.py --export

Python API

from memory_enhancer_edge import MemoryEnhancerEdge

# Initialize
memory = MemoryEnhancerEdge()

# Load existing memories
memory.load_openclaw_memory()

# Search for relevant memories
results = memory.search_memory("AI trends report", top_k=3)
for r in results:
    print(f"[{r['similarity']:.2f}] {r['content'][:100]}...")

# Recall context for a conversation
context = memory.recall_for_prompt("Help me check billing")
# Returns formatted memory context

# Add new memory
memory.add_memory(
    content="User prefers direct results",
    source="chat",
    memory_type="preference"
)

集成进 OpenClaw Agent

# In your OpenClaw agent
from skills.openclaw_memory_enhancer.memory_enhancer_edge import MemoryEnhancerEdge

class EnhancedAgent:
    def __init__(self):
        self.memory = MemoryEnhancerEdge()
        self.memory.load_openclaw_memory()
    
    def process(self, user_input: str) -> str:
        # 1. Recall relevant memories
        memory_context = self.memory.recall_for_prompt(user_input)
        
        # 2. Enhance prompt with context
        enhanced_prompt = f"""
{memory_context}

User: {user_input}
"""
        
        # 3. Call LLM with enhanced context
        response = call_llm(enhanced_prompt)
        
        return response

版本说明

边缘版（推荐）：适合 Jetson、Raspberry Pi、嵌入式设备。零依赖（仅 Python 标准库），内存占用 < 10MB，采用轻量级关键词 + 向量匹配，适合资源受限设备。

标准版：适合桌面/服务器、追求最高准确度。需执行 pip install sentence-transformers numpy，使用 sentence-transformers 生成高质量嵌入，语义理解更好，内存占用 50-100MB，需下载约 50MB 模型。

记忆类型

类型	说明	示例
daily_log	每日记忆文件	memory/2026-02-22.md
capability	能力记录	技能、工具
core_memory	核心约定	重要规则
qa	问答	Q: How to... A: You should...
instruction	直接指令	"Remember: always do X"
solution	技术解决方案	分步指南
preference	用户偏好	"User likes dark mode"

工作原理

记忆编码（边缘版）：1) 从文本提取关键词；2) 将关键词映射到向量位置（哈希向量）；3) 对向量做 L2 归一化；4) 保存到本地 JSON 文件。

记忆检索：1) 将查询转换为相同向量格式；2) 通过常见关键词进行快速预过滤；3) 计算向量间的余弦相似度；4) 返回 top-k 最相似的记忆。

隐私保护

所有数据本地存储在 ~/.openclaw/workspace/knowledge-base/
无网络请求
无外部 API 调用
数据不会离开设备

技术规格

边缘版：向量维度 128；内存占用 < 10MB；依赖：无（Python 标准库）；存储格式 JSON；最大记忆数 1000（可配置）；查询延迟 < 100ms。

标准版：向量维度 384；内存占用 50-100MB；依赖：sentence-transformers、numpy；存储格式 NumPy + JSON；模型大小约 50MB 下载；查询延迟 < 50ms。

配置

在代码中编辑以下参数：

self.config = {
    "vector_dim": 128,        # Vector dimensions
    "max_memory_size": 1000,  # Max number of memories
    "chunk_size": 500,        # Content chunk size
    "min_keyword_len": 2,     # Minimum keyword length
}

故障排查

未找到结果：可降低阈值，例如 results = memory.search_memory(query, threshold=0.2)（默认 0.3）；或增大 top_k，例如 results = memory.search_memory(query, top_k=10)（默认 5）。

达到记忆上限：系统达到上限时会自动移除最旧的记忆。可提高上限，例如 self.config["max_memory_size"] = 5000（从 1000 提高）。

性能缓慢：改用边缘版而非标准版；减小 max_memory_size；使用关键词预过滤（自动进行）。

贡献与许可

贡献流程：Fork 仓库、创建功能分支、进行修改、提交 Pull Request。

许可证：MIT License，详见 LICENSE 文件。

说明

该项目为 OpenClaw 生态构建，针对边缘计算设备优化，灵感来自 AI 长期记忆系统。它并非 OpenClaw 或 Moonshot AI 的官方产品。用户需自行提供 OpenClaw 工作区和 API 密钥。