- name
- semantic-memory
- description
- OpenClaw Agent 中文长期记忆系统。jieba TF-IDF + 向量检索三轨混合，中文语义优先，支持多Agent记忆协同。触发词：向量数据库、记忆检索、长期记忆、语义搜索、vector search、memory retrieval
Semantic Memory — 中文语义记忆系统
OpenClaw Agent 中文长期记忆基础设施 | v1.0.0
技能概述
为 OpenClaw Agent 打造的中文长期记忆检索系统。三大核心创新：
- 中文语义优先：jieba TF-IDF 替代纯向量检索，中文理解大幅提升
- 混合三轨：TF-IDF × 向量 × 关键词加权，实测 100% 命中率
- Agent 自动路由：自动识别意图路由到对应 memory collection
核心文件
| 文件 | 用途 |
|---|---|
scripts/vector_search.py | ⭐ 核心检索脚本 |
scripts/import_memory.py | ⭐ 记忆导入脚本 |
scripts/start_chroma.sh | ChromaDB 服务启动脚本 |
README.md | 完整项目文档 |
快速开始
1. 安装依赖
pip install chromadb jieba2. 启动 ChromaDB
chroma run --path ./vector_db --host 0.0.0.0 --port 8000 &3. 导入记忆
python3 scripts/import_memory.py4. 检索
python3 scripts/vector_search.py "你的查询"工作流程
用户查询
│
▼
Agent 自动路由（关键词匹配 collection）
│
▼
TF-IDF 预计算索引（jieba 分词）
├─→ 中文语义相似度（主要）
│
ChromaDB 向量检索
├─→ 语义扩展（补充）
│
关键词命中加权（source 标题匹配）
│
▼
综合评分 = 0.45×向量 + 0.55×TF-IDF + boost
│
▼
输出 Top 6 结果API 用法
import sys
sys.path.insert(0, 'scripts')
from vector_search import search
results = search("跌倒检测老人", topk=6)
for r in results:
print(r['source'], r['combined'], r['doc'][:100])配置
Agent 路由规则
修改 scripts/vector_search.py 中的：
AGENT_KEYWORDS = {
'你的Agent': ['关键词1', '关键词2'],
}
AGENT_COLLECTION = {'你的Agent': 'projects'}权重调整
combined = 0.45 * vec_sim + 0.55 * tfidf_norm + boost
# 调高 0.55 → 更注重中文关键词精确匹配
# 调高 0.45 → 更注重语义扩展性能基准
| 指标 | 数值 |
|---|---|
| 中文查询命中率 | 100%（10/10） |
| 平均响应速度 | 0.8 秒/次 |
| 支持中文 | ✅ jieba 分词 |
| 多 Agent 支持 | ✅ 自动路由 |
| 无 Docker/GPU | ✅ 纯 pip |
技术栈
- ChromaDB 1.0（向量数据库）
- jieba 0.42（中文分词）
- Python 3.10+
已知限制
- embedding 模型为英文（all-MiniLM-L6-v2），中文语义主要靠 TF-IDF 弥补
- ChromaDB 跨机器文件共享需配置 API 认证
- 缓存基于文件路径，Windows 兼容性未测试
License
MIT — 署名即可，欢迎使用和二次开发。