技能介绍

要解决什么问题

OpenClaw 这类 Agent 的「记忆」往往落在本地文件或会话里：能记，但跨会话、跨项目做语义召回时，要么靠全文扫一遍，要么上下文塞满历史，延迟和 token 成本都上去。若还要长期备份、按项目隔离、在「上次说过什么」这类模糊问法里找对片段，就需要把记忆持久化到向量库，并约定什么时候写、什么时候查、查完怎么给 Agent 用。

技能如何工作

本技能把本地记忆与 Pinecone 对接，索引侧采用集成嵌入（Integrated Embedding）+ Dense Index：upsert 时提交原始文本（如 chunk_text），由 Pinecone 按 embed.field_map 自动向量化；检索默认 cosine 语义 top_k，配合 namespace 与 metadata 过滤控制范围与成本。

数据按类型建模写入，例如：对话摘要（批量或即时）、项目知识按 chunk、用户偏好、错误经验（失败命令与纠正）、知识缓存（可带 TTL）、文件摘要等。记录建议用结构化 _id（如 document1#chunk1），元数据保留高价值过滤字段（document_id、created_at、source 等）。

触发策略：用户提到「上次」「之前」「你还记得」→ 查对话记忆与错误经验；问代码/项目 → 查项目知识；执行命令前 → 先查历史错误，减少重复踩坑。闲聊、纯计算、当前上下文已够用时不查，避免无谓延迟。

Agent 使用检索结果：筛到与问题直接相关的少量条目（约 3～8 条），冲突时优先近期与成功案例；合并进回答而非逐条 dump；执行命令时倾向历史成功写法并规避已知失败；证据不足则说明不确定并追问；本轮有新结论则按类型增量写回。

边界与注意点

需 PINECONE_API_KEY、Node.js 18+，且已在 Pinecone 创建 index；Starter 计划常见区域限制（如 aws/us-east-1），cloud/region 创建后不可改。
Pinecone 为最终一致性：写后立刻读可能短暂不可见，必要时短暂重试；大规模导入优先 import，日常用 upsert。
安全：写入前过滤 API Key、密码、token、.env 等；敏感项目用 namespace 隔离检索范围。需要更高精度时可加 rerank；关键词敏感场景可 metadata 过滤 + 本地全文补充，本技能默认不启用 sparse index。