Token导航 LogoToken导航TokenDH.com
研究检索需要联网github未标认证来源可访问许可证需确认审计提醒

local-memory-search本地内存搜索

Agent Skill

local-memory-search 用于查找、检索和筛选相关信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

1,640

周安装

67

GitHub Stars

公开资料未说明

下载量

525
CodexClaudeCursorGemini CLI

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

unknown

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:local-memory-search(本地内存搜索)
来源仓库:https://github.com/blackbasilisk/local-memory-search
仓库路径:skills/local-memory-search
安装命令:
npx skills add https://github.com/blackbasilisk/local-memory-search --skill local-memory-search
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/blackbasilisk/local-memory-search --skill local-memory-search

简介

local-memory-search 提供本地语义搜索能力,支持在 OpenClaw 内存文件中快速定位相关信息。

  • 适用于需要离线检索 MEMORY.md 和 memory/*.md 文件内容的场景,支持关键词与语义匹配。
  • 通过 FAISS 向量索引结合 sentence-transformers 模型实现,可选择轻量 LSA 模式避免神经网络依赖。
  • 安装需 Python 3.10+ 环境,建议确认权限范围、维护状态及是否触发文件读写或命令执行。
  • 使用前请核实项目路径、嵌入模型下载需求及后端选择(TF-IDF+SVD 或 向量数据库)。

SKILL.md

Local Memory Search (offline)

This skill adds a local semantic search workflow for OpenClaw memory files:

  • MEMORY.md
  • memory/*.md

It builds a local vector index (FAISS) using a small sentence-transformers embedding model.

Requirements

  • Python 3.10+ in PATH (python --version)

Choose your backend (user choice)

A) Light (recommended): lsa (TF‑IDF + SVD)

  • No neural model
  • No HuggingFace downloads
  • Good “semantic-ish” matching (better than plain keyword search)
cd $env:USERPROFILE\.openclaw\workspace\skills\local-memory-search
python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -U pip
.\.venv\Scripts\python.exe -m pip install -r .\scripts\requirements-lsa.txt

B) Heavy (best semantic): sentence-transformers (Torch)

  • True neural embeddings
  • Bigger install (torch) + model download
cd $env:USERPROFILE\.openclaw\workspace\skills\local-memory-search
python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -U pip
.\.venv\Scripts\python.exe -m pip install -r .\scripts\requirements-sentence-transformers.txt

Build / refresh the index

Default (light LSA backend):

.\.venv\Scripts\python.exe .\scripts\index_memory.py --workspace "$env:USERPROFILE\.openclaw\workspace" --backend lsa

Heavy backend example:

.\.venv\Scripts\python.exe .\scripts\index_memory.py --workspace "$env:USERPROFILE\.openclaw\workspace" --backend sentence-transformers --model "sentence-transformers/all-MiniLM-L6-v2"

Default workflow: jump + quote (recommended)

This matches the recommended operational pattern:

  1. semantic jump to the best chunk
  2. open the source file
  3. print exact lines (with a little context)
# Minimal output (default): prints just the best-matching lines
.\.venv\Scripts\python.exe .\scripts\jump_memory.py --query "o365 timezone config" --top 1

# If you want provenance:
.\.venv\Scripts\python.exe .\scripts\jump_memory.py --query "o365 timezone config" --top 1 --show-source --show-line-numbers --context 2

Tip: for cleaner quotes, re-index with default overlap 0 (the default).

Search (semantic only)

.\.venv\Scripts\python.exe .\scripts\search_memory.py --query "o365 timezone config" --top 5

If your index was built with a different backend/model, search_memory.py will automatically use the index metadata. You can override:

.\.venv\Scripts\python.exe .\scripts\search_memory.py --backend fastembed --model "BAAI/bge-small-en-v1.5" --query "..."

Notes

  • Index is stored under: ~/.openclaw/credentials/local-memory-search/
  • Re-run indexing after you edit memory files.
  • This is a local alternative to OpenClaw's built-in memory_search tool.

适合场景

01

用户想查找某类 Agent Skill 时

02

需要根据任务场景推荐可安装能力包时

03

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

Codex

33.62%
按下载量换算177

Claude

32.46%
按下载量换算170

Cursor

17.62%
按下载量换算93

Gemini CLI

9.78%
按下载量换算51

安全审计

Gen Agent Trust Hub

可疑

Socket

通过

Snyk

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果,不能写成本站确认安全。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills