Token导航 LogoToken导航

Agent Skill · 研究检索

m-flow-memory(米流内存)

m-flow-memory 用于查找、检索和筛选相关信息,适合在 OpenClaw 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。

m-flow-memory 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为调用外部服务;许可证为 MIT-0,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 31,227。

总安装 2,742周安装 112GitHub Stars 公开资料未说明下载 887核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.0

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:m-flow-memory(米流内存)
来源仓库:https://github.com/sora-mury/m-flow-memory
安装命令:
openclaw skills install m-flow-memory
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 OpenClaw 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。

ClawHubOpenClaw
openclaw skills install m-flow-memory

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

基于 M-Flow 框架实现的四阶段记忆管理,支持记忆添加、索引、向量和三元组多模式搜索及记忆蒸馏。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install m-flow-memory;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要调用外部服务,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

m-flow-memory 怎么安装?

在终端执行 openclaw skills install m-flow-memory。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

m-flow-memory 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

m-flow-memory 需要什么权限?

权限级别是调用外部服务。该 Skill 可能调用第三方服务、云服务或外部模型 API,使用前需要确认账号、额度、数据发送范围和服务条款。

m-flow-memory 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

m-flow-memory 用的人多吗?

公开数据是累计安装 2,742 次,近一周安装 112 次,下载 887 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

m-flow-memory 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。

先想清楚的地方

  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
m-flow-memory

米流内存 · 本页

2,742—调用外部服务MIT-0有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

M-Flow Memory Skill

描述

基于 M-Flow 的记忆系统,提供 Karpathy 风格的 4 阶段记忆管理工作流。

M-Flow 是一个集成了 Cone Graph、向量搜索 (LanceDB) 和图数据库 (Kuzu) 的记忆框架。

激活条件

  • 用户请求记忆 distillation、memory search、记忆管理
  • 需要 Karpathy LLM Knowledge Base 工作流

核心功能

1. 记忆添加 (add)

from m_flow_memory import MFlowMemory

memory = MFlowMemory()
await memory.add("session content or knowledge point")

2. 记忆索引 (memorize)

await memory.memorize()  # 索引所有未处理的内容

3. 记忆搜索 (search)

# 全文搜索 (BM25)
results = await memory.search("query", mode="lexical")

# 向量搜索 (Cone Graph)
results = await memory.search("query", mode="episodic")

# 三元组搜索
results = await memory.search("query", mode="triplet")

M-Flow 配置要求

必需环境变量

HF_HUB_OFFLINE=1

.env 配置 (m_flow/.env)

LLM_PROVIDER="ollama"
LLM_MODEL="ollama/qwen2.5:14b-instruct-q8_0"
OLLAMA_BASE_URL="http://localhost:11434/v1"
LLM_ENDPOINT="http://localhost:11434/v1"
LLM_API_KEY="ollama"

EMBEDDING_PROVIDER="ollama"
EMBEDDING_MODEL="nomic-embed-text:latest"
EMBEDDING_ENDPOINT="http://localhost:11434/v1/embeddings"
EMBEDDING_DIMENSIONS=768

VECTOR_DB_PROVIDER=lancedb
DB_PROVIDER=sqlite
GRAPH_DATABASE_PROVIDER=kuzu

LanceDB 版本

⚠️ 重要: LanceDB 必须使用 0.26.0(0.27.1 有 bug)

uv pip install lancedb==0.26.0

Karpathy 4 阶段工作流

Phase 0: 审计与激活

  • 清点现有资源
  • 建立 KNOWLEDGE-STANDARDS.md
  • 激活 knowledge-archive collection

Phase 1: Query → Wiki 回流

  • 用户发起查询
  • 结果存入 wiki 层
  • 格式规范: source | content | tags | timestamp

Phase 2: Compile 层

  • 使用 knowledge-distillation skill
  • session → knowledge points
  • wiki → structured knowledge

Phase 3: Lint 层

  • 每周健康检查
  • 去重、合并、更新

Phase 4: M-Flow 集成

  • MCP server (需要 m_flow>=0.5.0)
  • 多 Agent 共享

目录结构

m-flow-memory/
├── SKILL.md           # 本文件
├── scripts/
│   ├── __init__.py
│   ├── client.py      # M-Flow Python 客户端封装
│   ├── distill.py     # 记忆蒸馏
│   ├── query.py       # 记忆查询
│   └── config.py      # 配置
└── docs/
    └── README.md      # 详细文档

使用示例

添加记忆

await memory.add("用户询问了 OpenClaw 的记忆系统架构")

搜索记忆

# 混合搜索
results = await memory.search(
    "OpenClaw memory system",
    mode="episodic",
    top_k=10
)

记忆蒸馏

# 从会话中提取知识要点
knowledge_points = await memory.distill(session_transcript)

已知限制

  1. M-Flow REST API 需要认证(当前配置为开发模式)
  2. Kuzu 图数据库在 Windows 上可能有文件锁定问题
  3. LanceDB 0.27.1 有 bug,必须使用 0.26.0

依赖

  • m-flow >= 0.3.1
  • lancedb == 0.26.0
  • ollama (本地运行)
  • HF_HUB_OFFLINE=1

平台分布

OpenClaw

95.5%
按下载量换算847

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

通过

权限和风险

调用外部服务

该 Skill 可能调用第三方服务、云服务或外部模型 API,使用前需要确认账号、额度、数据发送范围和服务条款。

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。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills