- name
- mia
- description
- MIA (Memory-Intelligent Assistant) - 智能记忆助手系统，通过记忆、规划、反馈三模块让OpenClaw具备经验学习能力
- homepage
- https://github.com/yourname/mia
- metadata
- {"clawdbot":{"emoji":"🧠","requires":{"bins":["node"],"env":["MIA_PLANNER_MODE","MIA_PLANNER_API_KEY","MIA_PLANNER_URL","MIA_PLANNER_MODEL","MIA_MEMORY_FILE","MIA_SIMILARITY_THRESHOLD","MIA_FEEDBACK_FILE"]},"primaryEnv":"MIA_PLANNER_API_KEY"}}
MIA - Memory-Intelligent Assistant
MIA 是一个智能记忆助手系统，让 OpenClaw 具备"经验学习"能力 —— 不是每次遇到问题都从零开始，而是能记住过去如何解决类似问题，并在未来复用这些经验。
🎯 核心特性
- 通用结构匹配 —— 不依赖具体实体，识别问题的抽象模式
- 优胜劣汰 —— 只保留最高效的解决轨迹
- 无硬编码 —— 所有配置通过环境变量传入
🏗️ 架构组成
MIA 由三个核心模块组成：
| 模块 | 功能 | 路径 |
|---|---|---|
| Memory | 智能记忆存储与检索，支持优胜劣汰 | memory/ |
| Planner | 任务规划与分解，支持参考历史优化 | planner/ |
| Feedback | 执行反馈收集（仅针对全新问题） | feedback/ |
📋 工作流程
用户问题
↓
[MIA Memory] 检索相似轨迹（基于通用结构）
↓
[MIA Planner] 生成执行计划（参考历史或全新生成）
↓
[OpenClaw 执行者] 执行搜索、验证、生成答案
↓
[MIA Memory] 存储新轨迹（自动优胜劣汰）
↓
[MIA Feedback] 收集反馈（仅针对全新问题）🚀 安装
cd /path/to/mia
npm install⚙️ 配置
Planner 配置
| 环境变量 | 必需 | 默认值 | 说明 |
|---|---|---|---|
MIA_PLANNER_MODE | 否 | local | 运行模式：local 或 api |
MIA_PLANNER_URL | 否 | - | 自定义API端点 |
MIA_PLANNER_MODEL | 否 | Qwen3-8B/gpt-4 | 模型名称 |
MIA_PLANNER_API_KEY | api模式必需 | - | API密钥 |
本地部署示例：
export MIA_PLANNER_MODE=local
export MIA_PLANNER_URL=http://localhost:8000/v1/chat/completions
export MIA_PLANNER_MODEL=Qwen3-8BOpenAI API 示例：
export MIA_PLANNER_MODE=api
export MIA_PLANNER_API_KEY=sk-xxx
export MIA_PLANNER_MODEL=gpt-4阿里云 DashScope 示例：
export MIA_PLANNER_MODE=api
export MIA_PLANNER_API_KEY=sk-xxx
export MIA_PLANNER_URL=https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions
export MIA_PLANNER_MODEL=qwen3-8bMemory 配置
| 环境变量 | 默认值 | 说明 |
|---|---|---|
MIA_MEMORY_FILE | ./memory/memory.jsonl | 记忆文件路径 |
MIA_SIMILARITY_THRESHOLD | 0.90 | 相似度阈值 |
Feedback 配置
| 环境变量 | 默认值 | 说明 |
|---|---|---|
MIA_FEEDBACK_FILE | ./feedback/feedback.jsonl | 反馈文件路径 |
📖 使用方式
Memory 模块
# 查找最相似的记忆
node memory/mia-memory.mjs search "你的问题"
# 存储新轨迹（自动优胜劣汰）
node memory/mia-memory.mjs store '{"question": "...", "plan": "...", "execution": [...]}'
# 列出记忆
node memory/mia-memory.mjs list [数量]输出示例：
{
"found": true,
"similarity": 0.93,
"record": { ... }
}Planner 模块
# 生成 Plan（本地模式）
node planner/mia-planner.mjs "你的问题"
# 参考历史轨迹生成优化 Plan
node planner/mia-planner.mjs "你的问题" --reference "历史Plan文本"输出示例：
{
"question": "用户问题",
"plan": "完整的计划文本",
"steps": ["步骤1", "步骤2", "步骤3"],
"reference_used": true,
"model": "使用的模型",
"timestamp": "2026-03-15T..."
}Feedback 模块
# 存储反馈
node feedback/mia-feedback.mjs store "问题" "答案" "good"
# 列出反馈
node feedback/mia-feedback.mjs list [数量]🔍 相似度计算原理
MIA Memory 提取以下通用结构特征（不依赖具体实体）：
| 特征 | 识别模式 | 说明 |
|---|---|---|
| TIME_REF | 那年、当年、时候、举办 | 时间参照 |
| DUAL_ENTITY_COMPARE | A和B、A比B、谁更 | 双实体比较 |
| ATTRIBUTE_CONFIRM | 是不是、是否、都是 | 属性确认 |
| NUMERIC_QUERY | 多少、几、多大 | 数值查询 |
| RELATIONSHIP_QUERY | 关系、关联、联系 | 关系查询 |
| RANKING_QUERY | 第一、第二、冠军 | 排名查询 |
相似度权重：
- 结构特征相似度：50%
- 模板相似度：30%
- 语义相似度：20%
📊 效率评估
MIA Memory 的优胜劣汰机制基于以下指标：
| 指标 | 权重 | 说明 |
|---|---|---|
| search_count | 40% | 搜索次数 |
| step_count | 30% | 执行步骤数 |
| success | 30% | 是否成功 |
新轨迹效率分数 > 旧轨迹 → 替换 新轨迹效率分数 ≤ 旧轨迹 → 丢弃
📝 注意事项
- Planner 不执行搜索 —— 只生成 Plan，由调用者执行
- Memory 严格优胜劣汰 —— 只保留最高效轨迹
- Feedback 智能判断 —— 仅对全新问题收集反馈，避免打扰用户
- 所有配置通过环境变量 —— 无硬编码，灵活部署
📄 许可证
ISC