Token导航 LogoToken导航

Agent Skill · 研究检索

vector-memory（矢量记忆）

用于搭建或维护带检索增强的 RAG 工作流，适合让 Agent 处理知识库问答、向量检索、来源引用和事实核查。它可以辅助整理数据接入、Embedding、向量库、召回参数和回答生成流程。使用时需要确认数据来源、更新频率、召回阈值和引用展示方式，避免把未命中的资料或过期内容包装成确定事实。

vector-memory 是研究检索类 Agent Skill，可用宿主为 OpenClaw，通过ClawHub获取，权限为接触敏感数据；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 824。

总安装 159,816周安装 6,659GitHub Stars 1下载 53,272核验 2026-05-01
研究检索接触敏感数据ClawHub未标认证来源可访问许可证明确审计提醒OpenClaw

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：vector-memory（矢量记忆）
来源仓库：https://github.com/bluepointdigital/vector-memory
安装命令：
openclaw skills install vector-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 vector-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。

具有自动矢量回退功能的智能内存搜索。在可用时使用语义嵌入，否则使用内置搜索。零配置 - ClawHub 安装后立即工作。无需设置 - 只需安装，memory_search 即可立即工作，在可选同步后变得更好。

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 vector-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

    它需要接触敏感数据，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

vector-memory 怎么安装？

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

vector-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。

vector-memory 需要什么权限？

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置，应进入高风险复核队列，默认不自动发布。

vector-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。

vector-memory 用的人多吗？

公开数据是累计安装 159,816 次，近一周安装 6,659 次，下载 53,272 次，GitHub 1 星。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。

vector-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

  • 需要接触敏感数据，装到常用环境前要先评估影响面。
  • 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

  • 环境里有大量密钥、凭证，不方便给第三方 Skill 读取的人。
  • 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
vector-memory

矢量记忆 · 本页

159,8161接触敏感数据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

name
vector-memory
description
Smart memory search with automatic vector fallback. Uses semantic embeddings when available, falls back to built-in search otherwise. Zero configuration - works immediately after ClawHub install. No setup required - just install and memory_search works immediately, gets better after optional sync.

Vector Memory

Smart memory search that automatically selects the best method:

  • Vector search (semantic, high quality) when synced
  • Built-in search (keyword, fast) as fallback

Zero configuration required. Works immediately after install.

Quick Start

Install from ClawHub

npx clawhub install vector-memory

Done! memory_search now works with automatic method selection.

Optional: Sync for Better Results

node vector-memory/smart_memory.js --sync

After sync, searches use neural embeddings for semantic understanding.

How It Works

Smart Selection

// Same call, automatic best method
memory_search("James principles values") 

// If vector ready: finds "autonomy, competence, creation" (semantic match)
// If not ready: uses keyword search (fallback)

Behavior Flow

  1. Check: Is vector index ready?
  2. Yes: Use semantic search (synonyms, concepts)
  3. No: Use built-in search (keywords)
  4. Vector fails: Automatically fall back

Tools

memory_search

Auto-selects best method

Parameters:

  • query (string): Search query
  • max_results (number): Max results (default: 5)

Returns: Matches with path, lines, score, snippet

memory_get

Get full content from file.

memory_sync

Index memory files for vector search. Run after edits.

memory_status

Check which method is active.

Comparison

FeatureBuilt-inVectorSmart Wrapper
Synonyms❌✅✅ (when ready)
SetupBuilt-inRequires sync✅ Zero config
FallbackN/AManual✅ Automatic

Usage

Immediate (no action needed):

node vector-memory/smart_memory.js --search "query"

Better quality (after sync):

# One-time setup
node vector-memory/smart_memory.js --sync

# Now all searches use vector
node vector-memory/smart_memory.js --search "query"

Files

FilePurpose
smart_memory.jsMain entry - auto-selects method
vector_memory_local.jsVector implementation
memory.jsOpenClaw wrapper

Configuration

None required.

Optional environment variables:

export MEMORY_DIR=/path/to/memory
export MEMORY_FILE=/path/to/MEMORY.md

Scaling

  • < 1000 chunks: Built-in + JSON (current)
  • > 1000 chunks: Use pgvector (see references/pgvector.md)

References

平台分布

OpenClaw

92.92%
按下载量换算49,500

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

未展示

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置，应进入高风险复核队列，默认不自动发布。

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

更多研究检索 Skills（73,675）返回 Skills 目录

上一个 Skill

vector-index-tuning（向量索引调整）

sickn33/antigravity-awesome-skills

用于搭建或维护带检索增强的 RAG 工作流，适合让 Agent 处理知识库问答、向量检索、来源引用和事实核查。它可以辅助整理数据接入、Embedding、向量库、召回参数和回答生成流程。使用时需要确认数据来源、更新频率、召回阈值和引用展示方式，避免把未命中的资料或过期内容包装成确定事实。

下一个 Skill

vector-memory（矢量记忆）

winsorllc/upgraded-carnival

用于搭建或维护带检索增强的 RAG 工作流，适合让 Agent 处理知识库问答、向量检索、来源引用和事实核查。它可以辅助整理数据接入、Embedding、向量库、召回参数和回答生成流程。使用时需要确认数据来源、更新频率、召回阈值和引用展示方式，避免把未命中的资料或过期内容包装成确定事实。