混合记忆系统
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/sundial-org-awesome-openclaw-skills-hybrid-memory。
技能介绍
要解决什么问题
长对话 Agent 往往同时面对两类回溯:静态文档(项目说明、MEMORY.md、团队备忘)和 带时间线的上下文(某周二用户说过什么、何时接入 Slack、某人参与哪些项目)。单一向量检索对「何时」「谁与哪件事」不敏感;纯图谱记忆又不适合大批量 Markdown 笔记检索。本技能把两套机制组合,并给出明确的查询路由与合并策略。
技能如何工作
| 问题类型 | 工具 | 示例 |
|---------|------|------|
| 文档内容、精选笔记 | memory_search | 「GOALS.md 里写了什么?」 |
| 时间事实、历史对话、实体关系 | Graphiti | 「上周二用户说了什么?」 |
memory_search(内置):对 MEMORY.md 与 memory/**/*.md 做语义搜索;需要精确段落时用 memory_get 按行读取。
Graphiti(时序):按时间查询与记录事实;常用分组包括 main-agent(主 Agent)与 user-personal(用户个人上下文)。
召回顺序(Recall Pattern):
- 时间类问题 → 先查 Graphiti
- 文档类问题 → 用
memory_search - 不确定 → 两套都试,合并结果
- 置信度低 → 明确说明已查过但无法确认
可在 AGENTS.md 中固化调用方式,例如 graphiti-search.sh "query" main-agent 10 与 memory_search query="your query"。
适用边界
- 依赖 OpenClaw 侧 embedding 配置与 Graphiti Docker/同步守护进程;未部署 Graphiti 时只能发挥文档检索一半能力。
memory_search覆盖的是你维护的 Markdown 记忆树,不是任意仓库文件全文。- 两套系统数据源不同,同一问题若路由错误可能漏召回——按上表类型分流是关键。
使用场景
- 回答「项目准则写在哪儿、内容是什么」时,在 MEMORY 与 memory 目录 Markdown 里做语义检索
- 用户问「上次开会定的截止日期」或「Slack 是哪天接的」时,用 Graphiti 按时间查事实
- 需要追溯「某位同事关联了哪些项目」时,走 Graphiti 实体关系而非扫全库文档
- 模型对历史上下文没把握时,先按问题类型分流,再在两套记忆里并行查并合并答案
适合人员
- 维护 AGENTS.md 与 memory 目录、希望 Agent 能稳定查团队备忘的框架维护者
- 已部署 OpenClaw + Graphiti,需要区分文档检索与时序对话回溯的 Agent 工程师
- 长期个人助手场景下用 user-personal 分组沉淀偏好、又要查 MEMORY 文档的进阶用户
- 为多轮客服或内部 Copilot 设计记忆策略、要避免单一向量库漏掉时间线事实的架构设计者