openclaw-smart-cache（OpenClaw smart 缓存）

smart-cache - 智能学习缓存层

简介

为 OpenClaw 设计的智能缓存系统，类似"人类小脑"，能够：

1. 高速缓存 - 重复查询加速 200,000 倍（2-3 秒 → 0.01ms）
2. 自动学习 - 识别 3 次以上的常用请求模式
3. 智能推荐 - 记录并推荐最佳工具/解决方案
4. 双层架构 - 内存缓存（LRU）+ 磁盘缓存（SQLite）

安装

方式 1：克隆到 OpenClaw workspace

cd C:\Users\Administrator\.openclaw\workspace\skills
git clone https://gitee.com/your-repo/smart-cache.git

方式 2：手动下载

下载本仓库到 skills/smart-cache/ 目录

快速开始

1. 基础缓存

from skills.smart_cache.smart_cache import cache

# 设置缓存（5 分钟过期）
cache.set('stock:600519:price', {'price': 1413.64}, ttl=300)

# 获取缓存
data = cache.get('stock:600519:price')
if data:
    print(f"缓存命中：{data}")

2. 装饰器方式

from skills.smart_cache.smart_cache import cached

@cached(ttl=60, key_prefix='db')
def get_db_stats():
    # 耗时操作...
    return result

# 首次执行函数，60 秒内返回缓存
result = get_db_stats()

3. 请求学习器

from skills.smart_cache.request_learner import learner

# 记录请求（自动学习）
learner.record_request(
    query="查询贵州茅台最新价",
    tool="mx_query_v2",
    duration=0.01,
    success=True
)

# 获取推荐
recs = learner.get_recommendations()
for rec in recs:
    print(f"{rec['query_pattern']}: {rec['count']}次，最佳工具：{rec['best_tool']}")

4. 命令行工具

# 查看缓存统计
python skills/smart-cache/cache_manager.py stats

# 查看学习推荐
python skills/smart-cache/learner_manager.py recs

# 获取最佳工具
python skills/smart-cache/learner_manager.py best "查询贵州茅台最新价"

# 清空缓存
python skills/smart-cache/cache_manager.py clear

核心组件

性能

缓存策略

学习阈值

集成示例

妙想金融数据查询（带缓存）

from skills.smart_cache.smart_cache import cache
from skills.smart_cache.request_learner import learner
import time

def query_stock_price_cached(stock_code: str):
    """查询股票最新价（带缓存和学习）"""
    start = time.time()
    cache_key = f'stock:price:{stock_code}'
    
    # 尝试缓存
    cached = cache.get(cache_key)
    if cached:
        learner.record_request(
            query=f"查询{stock_code}最新价",
            tool="mx_query_v2(cache)",
            duration=time.time() - start,
            success=True
        )
        return cached
    
    # API 查询
    result = query_mx_data(f"{stock_code}最新价")
    
    # 缓存并记录
    cache.set(cache_key, result, ttl=300)
    learner.record_request(
        query=f"查询{stock_code}最新价",
        tool="mx_query_v2(api)",
        duration=time.time() - start,
        success=True
    )
    
    return result

文件结构

smart-cache/
├── SKILL.md                 # Skill 说明（本文件）
├── README.md                # 详细文档
├── smart_cache.py           # 缓存核心
├── request_learner.py       # 请求学习器
├── cache_manager.py         # 缓存管理 CLI
├── learner_manager.py       # 学习器管理 CLI
├── examples/                # 示例代码
│   └── mx_query_v2.py      # 妙想查询集成示例
├── cache/                   # 缓存数据目录（运行时创建）
│   ├── cache.db            # 磁盘缓存（SQLite）
│   ├── patterns.json       # 请求模式
│   └── request_log.jsonl   # 请求日志
└── requirements.txt         # Python 依赖

依赖

• Python 3.8+
• 无外部依赖（仅使用标准库：sqlite3, json, os, time, collections）

使用场景

✅ 推荐场景

1. 重复 API 查询 - 股票价格、天气、汇率等
2. 数据库统计 - COUNT、SUM 等聚合查询
3. 配置文件读取 - 不频繁变更的配置
4. 网页抓取结果 - 相同 URL 的缓存
5. 耗时计算结果 - 可复用的计算

❌ 不推荐场景

1. 实时数据 - 秒级行情、实时位置
2. 超大结果集 - >10MB 的数据
3. 敏感信息 - 密码、密钥、个人隐私
4. 一次性操作 - 不会重复的请求

管理命令

# 缓存管理
python cache_manager.py stats      # 查看统计
python cache_manager.py clear      # 清空缓存
python cache_manager.py test       # 性能测试

# 学习器管理
python learner_manager.py stats    # 查看统计
python learner_manager.py recs     # 查看推荐
python learner_manager.py report   # 导出报告
python learner_manager.py clear    # 清空数据

故障处理

缓存未命中

• 检查 TTL 是否过期
• 检查缓存键是否正确
• 确认是否被手动清除

学习器未识别

• 确认请求是否达到 3 次阈值
• 检查查询标准化是否正确

性能下降

• 清空缓存：python cache_manager.py clear
• 检查磁盘空间
• 减少缓存条目上限

扩展开发

添加新缓存类型

from smart_cache import cache

# 设置自定义 TTL
cache.set('custom:key', data, ttl=3600)  # 1 小时

# 只写内存（不写磁盘）
cache.memory.set('temp:key', data, ttl=60)

自定义学习逻辑

from request_learner import learner

# 记录请求
learner.record_request(
    query="自定义查询",
    tool="my_tool",
    duration=1.5,
    success=True,
    metadata={'custom': 'data'}
)

许可证

MIT License

作者

OpenClaw Community

更新日志

v1.0.0 (2026-03-14)

• ✅ 内存缓存（LRU 策略）
• ✅ 磁盘缓存（SQLite）
• ✅ 请求学习器
• ✅ 自动推荐最佳工具
• ✅ CLI 管理工具
• ✅ 完整文档