LanceDB 全局记忆实例
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-lancedb-memory。
技能介绍
要解决什么问题
智能体或脚本若要把对话、决策依据、偏好反复写进本地文件,再靠关键词 grep,往往对不上语义:用户说「上周讨论的部署方案」,库里可能是「K8s rollout 回滚步骤」。长期记忆需要的是按意思相近召回,并在规模变大后仍可按 category、标签筛一层,而不是每次全表扫描。
技能如何工作
这份技能在模块里暴露全局单例 lancedb_memory(LanceMemoryDB 实例),并附带一组薄封装函数,默认把数据落在本地 LanceDB 目录(构造时可改 db_path)。首次连接会确保存在 memory 表,字段包括 content、timestamp、category、tags、importance、metadata 等。
典型调用链可以概括为:
- 用
add_memory写入一条记忆,可带分类、标签和重要度 - 用
search_memories对自然语言查询做向量相似度检索,可选category过滤与limit - 用
get_memories_by_category、get_memory_by_id做结构化读取;update_memory/delete_memory维护单条记录 - 用
get_memory_stats、get_all_categories查看体量与分类分布
向量检索入口在 LanceMemoryDB.search_memories 中通过 table.vector_search(query) 完成,适合作为 Agent 技能侧的「外挂海马体」,由宿主进程复用同一连接。
适用边界与注意点
- 读写路径依赖本机 LanceDB 与
pandas等环境;多进程或多机共享同一db_path需自行处理并发与文件锁。 add_memory用表内最大id + 1分配主键,高并发写入可能出现竞态,不适合当作分布式 ID 服务。- 部分更新逻辑对
tags有类型转换假设,批量改标签时建议在调用侧保持格式一致。 - 技能提供的是存储与检索 API,不负责自动生成 embedding 模型配置;向量质量取决于 LanceDB 表上向量化链路是否已在你的部署里接通。
使用场景
- 个人助理技能需要在多轮对话后把用户约束写入本地库,并按自然语言问句召回相关历史条目
- 自动化脚本要把每次运行的结论按 `category` 归档,并在下次执行前用 `search_memories` 拉取相近上下文
- 调试 Agent 时希望用 `get_memory_stats` 查看各分类条目数量与时间范围,定位记忆是否膨胀或分类失衡
- 需要按 ID 修正或删除一条错误记忆时,通过 `update_memory` 与 `delete_memory` 维护单条记录而不重建整个库
适合人员
- 维护 OpenClaw 系技能、要把 LanceDB 记忆挂成模块级全局实例的 Python 集成开发者
- 编写可长期运行的对话 Agent,需要本机向量库按分类写入与语义召回的工程师
- 做 Clawd/本地助手原型、希望统一 `add_memory` 与检索 API 而非散落 SQLite 文件的后端同学
- 负责 Agent 记忆运维、需要按分类统计与按 ID 修正错误记忆条目的平台或工具维护者