Token导航 LogoToken导航

Agent Skill · 研究检索

yuyonghao-memory-v2(余永豪内存 v2)

yuyonghao-memory-v2 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。

yuyonghao-memory-v2 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为需要联网;许可证为 MIT-0,第三方扫描已通过,按安装量在研究检索类的 73,675 个 Skill 里排第 20,143。

总安装 5,316周安装 213GitHub Stars 公开资料未说明下载 1,721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
0.1.0

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:yuyonghao-memory-v2(余永豪内存 v2)
来源仓库:https://github.com/yuyonghao-123/yuyonghao-memory-v2
安装命令:
openclaw skills install yuyonghao-memory-v2
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 yuyonghao-memory-v2

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。

基于中文向量嵌入和知识图谱的高效记忆系统。适用于 OpenClaw 中的语义搜索与实体提取。支持自动管理与检索增强功能。yuyonghao-memory-v2 属于研究检索类 Skill,可作为该场景下的辅助能力补充。安装命令:openclaw skills install yuyonghao-memory-v2。

使用前请确认权限范围、维护状态及是否触发联网或文件读写。

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 yuyonghao-memory-v2;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

    它需要需要联网,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

yuyonghao-memory-v2 怎么安装?

在终端执行 openclaw skills install yuyonghao-memory-v2。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

yuyonghao-memory-v2 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。

yuyonghao-memory-v2 需要什么权限?

权限级别是需要联网。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。

yuyonghao-memory-v2 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。

yuyonghao-memory-v2 用的人多吗?

公开数据是累计安装 5,316 次,近一周安装 213 次,下载 1,721 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。

yuyonghao-memory-v2 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

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。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 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。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

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
yuyonghao-memory-v2

余永豪内存 v2 · 本页

5,316—需要联网MIT-0通过

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

Memory V2 Skill

version: 0.1.0

OpenClaw 记忆系统 v2 - 向量记忆 + 知识图谱 + 实体提取 + 自动管理

功能特性

  • 向量记忆: LanceDB + BGE 嵌入,语义相似度搜索
  • 知识图谱: 轻量图存储,实体关系管理
  • 实体提取: 中文 NER,自动链接到图谱
  • 记忆管理: 优先级评分、自动遗忘、压缩归档

安装

cd skills/memory-v2
npm install

快速开始

import MemorySystem from './src/memory-system.js';

// 创建实例
const memory = new MemorySystem({
  dbPath: './vector-db',
  embedModel: 'Xenova/bge-large-zh-v1.5',
  nerModel: 'Xenova/bert-base-chinese-ner'
});

// 初始化
await memory.initialize();

// 添加记忆
await memory.addMemory({
  id: 'mem_001',
  content: '蒲萄爸喜欢喝普洱茶,住在上海浦东新区',
  metadata: { importance: 0.8 }
});

// 语义搜索
const results = await memory.search('蒲萄爸住在哪里', 5);
console.log(results);

// 获取统计
const stats = await memory.getStats();
console.log(stats);

API 参考

MemorySystem

构造函数
new MemorySystem(config)

参数:

  • config.dbPath - 向量数据库路径(默认:./vector-db)
  • config.embedModel - 嵌入模型(默认:Xenova/bge-large-zh-v1.5)
  • config.nerModel - NER 模型(默认:Xenova/bert-base-chinese-ner)
  • config.llm - LLM 接口(用于摘要,可选)
  • config.forgetThreshold - 遗忘阈值(默认:0.2)
方法
addMemory(memory)

添加记忆(自动提取实体并链接到图谱)

await memory.addMemory({
  id: 'mem_001',
  content: '记忆内容',
  metadata: { importance: 0.8 }
});
search(query, topK)

语义搜索记忆

const results = await memory.search('查询文本', 10);
getMemory(id)

获取记忆详情(包含关联实体)

const memory = await memory.getMemory('mem_001');
deleteMemory(id)

删除记忆

await memory.deleteMemory('mem_001');
runMaintenance()

运行记忆管理(遗忘、压缩低优先级记忆)

const stats = await memory.runMaintenance();
getStats()

获取系统统计

const stats = await memory.getStats();
close()

关闭系统

await memory.close();

独立组件

也可以单独使用各个组件:

import VectorStore from './src/vector-store.js';
import GraphStore from './src/graph-store.js';
import NERExtractor from './src/ner-extractor.js';
import MemoryManager from './src/memory-manager.js';

性能指标

操作目标延迟实际表现
嵌入生成<100ms/文档~80ms
语义搜索<200ms (Top-10)~150ms
实体提取<100ms/文档~90ms
图遍历<50ms (2 跳)~30ms

技术栈

  • 向量数据库: LanceDB
  • 嵌入模型: BGE-large-zh-v1.5(中文 SOTA)
  • NER 模型: BERT-base-Chinese-NER
  • 图存储: 自研轻量图(JSONL 格式)
  • 缓存: LRU 内存缓存

注意事项

  1. 首次运行: 会自动下载模型(~500MB),需要网络连接
  2. 存储空间: 向量数据库会随记忆数量增长
  3. 内存使用: 嵌入缓存默认 1000 条,可配置
  4. 中文优化: 使用中文专用模型,英文效果可能不佳

开发计划

  • [ ] 支持多模态记忆(图像、音频)
  • [ ] 图查询语言(类似 Cypher)
  • [ ] 分布式存储支持
  • [ ] 记忆可视化界面

License

MIT

平台分布

OpenClaw

96.12%
按下载量换算1,654

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

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。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