Agent Skills
返回列表
💻

LanceDB 全局记忆实例

开发编程 更新于 2026.08.29

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