rookie-Memory

# Rookie Memory Skill 管理 AI 代理的三级记忆系统：短期（滑动窗口）、中期（自动摘要）、长期（向量检索）。 ## 快速开始 ```bash # 初始化记忆系统 python3 scripts/memory_manager.py init # 启动时加载记忆（推荐在会话开始时执行） python3 scripts/memory_manager.py bootstrap # 添加短期记忆 python3 scripts/memory_manager.py add --type short --content "用户喜欢黑色" # 会话结束时自动保存记忆（推荐使用虚拟环境中的 python） /root/.openclaw/venv-chromadb/bin/python scripts/memory_manager.py autosave # 查询记忆 python3 scripts/memory_manager.py search "用户的偏好" ``` ## 存储隔离规则 | 层级 | 存储位置 | 触发条件 | 用途 | |------|----------|----------|------| | **L0 永久** | `memory/l1/` (文件系统) | 启动时加载 | 身份、技术栈、关键决策等稳定事实 | | **L1 短期** | `memory/sliding-window.json` (文件) | 实时 | 保持当前对话连贯 | | **L2 中期** | `memory/summaries/` (JSON 文件) | Token 阈值 | 压缩历史，保留大意 | | **L3 长期** | `memory/vector-store/` (ChromaDB) | 语义检索 | 永久记忆，RAG，动态对话 | **存储隔离原则：** - **L0/L1/L2** (文件系统)：存储稳定事实、结构化数据、关键决策 - **L3** (ChromaDB)：存储动态对话、临时上下文、语义检索内容 - 避免频繁更新 L0/L1 文件，L3 用于高频写入 ## 核心功能 ### 1. 短期记忆：滑动窗口 - 配置：`config/window_size`（默认 10 条） - 逻辑：FIFO 队列，超出则丢弃最旧消息 - 文件：`memory/sliding-window.json` ### 2. 中期记忆：自动摘要 - 触发：当前 token > `config/summary_threshold`（默认 4000） - 模型：使用廉价模型（如 GPT-3.5-Haiku） - 输出：`memory/summaries/YYYY-MM-DD.json` ### 3. 长期记忆：向量检索 - 后端：ChromaDB（本地向量库） - 存：对话结束/摘要生成后自动向量化存储 - 取：每次查询前先检索相关记忆 ## 配置文件 创建 `memory/config.yaml`： ```yaml memory: short_term: enabled: true window_size: 10 max_tokens: 2000 medium_term: enabled: true summary_threshold: 4000 summary_model: "glm-4-flash" # 或 gpt-3.5-turbo long_term: enabled: true backend: "chromadb" top_k: 3 min_relevance: 0.7 ``` ## 使用场景 - **新对话开始**：执行 `bootstrap` 加载 L0 永久记忆 + L1/L2 记忆，注入相关上下文 - **对话中**：自动管理短期/中期记忆，超阈值自动摘要 - **对话结束**：将重要信息存入长期记忆 ## 详细用法 ### 会话结束：自动保存 ```bash /root/.openclaw/venv-chromadb/bin/python scripts/memory_manager.py autosave ``` **功能：** 1. **分析短期记忆**：读取滑动窗口中的对话内容 2. **智能摘要**：当 token 数超过配置阈值（默认 4000）时自动生成摘要 3. **长期记忆**：将重要内容向量化存入 ChromaDB 4. **关键决策**：自动检测包含"决定"、"决策"等关键词的消息，更新 `key-decisions.md` 5. **当日日志**：生成 `memory/YYYY-MM-DD.log` 记录保存摘要 **输出示例：** ``` === 💾 自动保存记忆 === 📝 短期记忆: 10 条 Token 估算: 361 (阈值: 4000) → Token 未超过阈值，跳过摘要 🧠 存入长期记忆... ✓ 已存入 10 条长期记忆 📋 更新关键决策... ✓ 已更新 key-decisions.md (新增 4 条) 📄 生成当日日志... ✓ 已生成日志: /root/.openclaw/workspace/memory/2026-03-12.log ============================================================ ✓ 自动保存完成 短期记忆: 10 条 摘要生成: 否 长期记忆: 10 条 关键决策: 4 条 日志文件: /root/.openclaw/workspace/memory/2026-03-12.log ============================================================ ``` **注意：** 需要使用虚拟环境中的 Python（包含 chromadb 依赖）。 ## 高级功能 ### 冲突解决机制 ChromaDB 记录自动包含来源标记和时间戳，支持冲突检测： - **source 标记**：自动记录来源（`chat`/`summary`/`manual`/`autosave`） - **时间戳**：每条记忆记录精确时间 - **冲突检测**：检索时自动标记相似内容的冲突项 ### 混合检索策略 支持三种检索模式和三层记忆检索： ```bash # 混合检索（关键词 + 语义，默认） python3 scripts/memory_manager.py search "用户偏好" # 纯关键词检索 python3 scripts/memory_manager.py search "用户偏好" --mode keyword # 纯语义检索 python3 scripts/memory_manager.py search "用户偏好" --mode semantic # 检索 L1 短期记忆 python3 scripts/memory_manager.py search "最近对话" --tier short # 检索 L2 中期记忆 python3 scripts/memory_manager.py search "昨天讨论" --tier medium # 检索 L3 长期记忆（默认） python3 scripts/memory_manager.py search "身份信息" --tier long --top-k 5 ``` **检索模式说明：** - **hybrid**（混合）：先关键词匹配获取候选集，再在候选集上做语义检索，最后合并排序 - **keyword**（关键词）：纯关键词匹配，快速但不够智能 - **semantic**（语义）：纯语义检索，智能但计算成本高 **混合检索流程：** 1. 关键词匹配：在所有记忆中搜索包含关键词的内容，获取候选集（默认 top_k × 3） 2. 语义检索：在候选集上执行向量相似度计算 3. 合并排序：综合关键词得分（权重 0.4）和语义得分（权重 0.6），按综合得分排序返回 **配置文件：** ```yaml memory: long_term: search_mode: "hybrid" # 默认检索模式 ``` ### 关键决策专项记录 自动检测包含"决定"、"决策"、"选择"等关键词的消息，更新 `memory/l1/key-decisions.md`。 ```bash # 手动提取关键决策（可选） python3 scripts/memory_manager.py extract-decisions ``` ### 压缩前提醒机制 当短期记忆接近 token 阈值时发出提醒： ```bash # 检查是否接近压缩阈值 python3 scripts/memory_manager.py check-warning ``` 配置文件支持： - `warning_threshold`: 提醒阈值（默认 3000） - `summary_threshold`: 摘要阈值（默认 4000） ### 每日工作日志 自动生成每日工作日志 `memory/YYYY-MM-DD.log`，记录： - 短期记忆数量 - Token 使用情况 - 摘要生成记录 - 长期记忆存储数量 - 关键决策提取数量 ```bash # 查看当日日志 python3 scripts/memory_manager.py daily-log ``` ### 记忆库健康分析 分析长期记忆库的健康状态，检查： - 记忆总数和分布（按来源） - 过时记忆（超过配置天数未检索） - 低相关性记忆 - 重复记忆（相似度超过阈值） ```bash # 分析记忆库健康状态 python3 scripts/memory_manager.py analyze-health ``` **输出示例：** ``` === 🏥 记忆库健康分析 === 📊 记忆总数: 156 📂 按来源分布: • autosave: 89 条 • manual: 34 条 • chat: 23 条 • summary: 10 条 📅 过时记忆 (超过 90 天): 23 条 最新 3 条: • [2025-11-15 10:30:00] 用户在讨论项目A的技术栈... • [2025-10-22 14:20:00] 会议记录：讨论了产品路线图... • [2025-09-08 09:15:00] 记录了第一次使用系统... ⚠️ 低相关性记忆检查: 随机采样 10 条记忆进行相关性检查... 🔄 重复记忆检查 (相似度 >= 0.95): 共比较 5000 对，发现 3 对重复 前 5 对: • mem_20251101_120000_0001 ↔ mem_20251102_150000_0002 (相似度: 0.972) • mem_20251025_080000_0003 ↔ mem_20251026_120000_0004 (相似度: 0.961) ... ======================================== 🏥 健康评分: 78.5/100 🟡 健康评级: 良好 ======================================== ``` ### 记忆库清理 清理过时和重复的记忆，保持记忆库的高效性。 ```bash # 预览模式（不实际删除） python3 scripts/memory_manager.py cleanup --dry-run # 执行清理 python3 scripts/memory_manager.py cleanup ``` **清理规则：** - **过时记忆**：超过 `max_age_days` 天未检索的记忆（默认 90 天） - **重复记忆**：相似度 >= `duplicate_threshold` 的记忆，保留较新的（默认 0.95） **输出示例：** ``` === 🧹 记忆库清理 === 📊 当前记忆总数: 156 📅 检查过时记忆 (超过 90 天)... 发现 23 条过时记忆 🔄 检查重复记忆 (相似度 >= 0.95)... 发现 3 条重复记忆 ======================================== 📋 清理摘要: 过时记忆: 23 条 重复记忆: 3 条 总计删除: 26 条 剩余记忆: 130 条 ======================================== 🗑️ 正在删除 26 条记忆... ✓ 删除完成 ``` **配置文件：** ```yaml memory: cleanup: enabled: true max_age_days: 90 # 超过N天未检索的记忆 min_relevance: 0.6 # 相关性阈值 duplicate_threshold: 0.95 # 相似度阈值（超过则视为重复） ``` See [REFERENCES.md](references/references.md) for complete command reference.