ollama-memory

# 本地向量记忆系统 这是一个带本地向量搜索的 AI 助手记忆系统，基于 Markdown 文件 + SQLite 实现。 ## 目录结构 ``` ~/.openclaw/workspace/ ├── memory/ │ └── YYYY-MM-DD.md # 每日记录 ├── MEMORY.md # 长期记忆（核心认知） ├── SOUL.md # AI 人格定义 ├── USER.md # 用户信息 ├── AGENTS.md # 工作规范 └── scripts/memory-system/ # 记忆系统脚本 ``` ## 核心文件 ### 1. memory/YYYY-MM-DD.md - 每日记录 每次会话记录当天发生的事： ```markdown # 2026-03-09 ## 会话 1 - 主题：xxx - 关键决策：xxx - 待办：xxx ## 会话 2 - ... ``` ### 2. MEMORY.md - 长期记忆 核心认知和重要信息，包含： - 核心工作原则 - 用户偏好 - 关键教训 - 禁止事项 - 习惯 ## 向量搜索 使用本地 Ollama + `nomic-embed-text` 模型实现向量语义搜索。 ### 安装 Ollama 和模型 ```bash # 安装 Ollama brew install ollama # 启动服务 ollama serve # 下载 embedding 模型 ollama pull nomic-embed-text ``` ### 搜索命令 ```bash # 使用 Python 脚本搜索（推荐） python3 ~/.openclaw/workspace/scripts/memory-system/context-memory.py search "关键词" # 简单搜索 python3 ~/.openclaw/workspace/scripts/memory-system/memory-py.py search "关键词" ``` ## 会话启动流程 每次新会话开始时： 1. 读取 `SOUL.md` — AI 人格 2. 读取 `USER.md` — 用户信息 3. 读取 `memory/YYYY-MM-DD.md` (今天 + 昨天) 4. **主会话**：读取 `MEMORY.md` 5. 检查 `knowledge/` 目录 ## 保存记忆 当用户说"记住..."： - 更新 `memory/YYYY-MM-DD.md` 记录 - 重要内容同步到 `MEMORY.md` - 可选：存入向量数据库 ```bash # 添加记忆（带重要性评分） python3 ~/.openclaw/workspace/scripts/memory-system/context-memory.py add "内容" 8 # 添加标签 python3 ~/.openclaw/workspace/scripts/memory-system/memory-py.py add "内容" "标签1,标签2" ``` ## 更新规则 ### 必须更新的文件 1. **memory/YYYY-MM-DD.md** - 每次会话 2. **MEMORY.md** - 新教训/重要信息 3. **SOUL.md** - 人格变化 4. **USER.md** - 用户偏好变化 ### 更新时机 - 任务完成时 - 重要发现或教训 - 用户偏好变化 - 新技能学习 ## 安全规则 - ❌ **不暴露用户个人信息** - ❌ 不在 skill 输出中包含真实姓名/账号/密码 - ❌ 不在公开场合提及用户隐私 - ✅ 需要时才读取 MEMORY.md - ✅ 主会话才加载 MEMORY.md ## 配置示例 在 AGENTS.md 中添加： ```markdown ## Memory ### 每日记录 (memory/YYYY-MM-DD.md) - 每次会话记录关键内容 - 格式：## 会话 X / ### 主题 / 决策 / 待办 ### 长期记忆 (MEMORY.md) - 核心原则和偏好 - 重要教训 - 禁止事项 - 仅主会话加载 ### 向量搜索 - 模型：Ollama + nomic-embed-text - 脚本：context-memory.py ``` ## 优势 | 特点 | 说明 | |------|------| | 本地向量 | 无 API 费用，离线可用 | | 语义搜索 | 理解相似含义，不只是关键词 | | 可读 | Markdown 人工可直接编辑 | | 便携 | 文件复制即迁移 | | 安全 | 本地存储，不上传云端 | ## 依赖 - **Ollama**: 本地 LLM 运行时 - **nomic-embed-text**: 本地 embedding 模型 (274MB) - **Python 3**: 运行脚本 - **SQLite**: 向量存储 ## 快速开始 ```bash # 1. 安装 Ollama brew install ollama # 2. 启动并下载模型 ollama serve ollama pull nomic-embed-text # 3. 初始化数据库 python3 ~/.openclaw/workspace/scripts/memory-system/context-memory.py init # 4. 添加记忆 python3 ~/.openclaw/workspace/scripts/memory-system/context-memory.py add "用户偏好使用 Gemini" 8 # 5. 搜索记忆 python3 ~/.openclaw/workspace/scripts/memory-system/context-memory.py search "模型偏好" ```