Token导航 LogoToken导航TokenDH.com
研究检索需要联网clawhub未标认证来源可访问clear审计通过

yuyonghao-memory-v2余永豪内存 v2

Agent Skill

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。

总安装

5,316

周安装

213

GitHub Stars

公开资料未说明

下载量

1,721
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

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

简介

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。

SKILL.md

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

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

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。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills