longer-memory

name

longer-memory

description

Persistent vector memory for Claude — save and semantically recall anything across sessions. Use this skill whenever the user says "nhớ", "lưu", "remember", "save", "ghi lại", or asks "trước tôi có nói gì về X?", "tìm lại thông tin về Y", "recall", "what did I say about". Also auto-trigger at the end of any conversation that contains important facts about the user, decisions made, or knowledge shared. Covers four memory types: user profile info, conversation highlights, knowledge/documents, and anything the user explicitly asks to save. ALWAYS use this skill when memory or recall is involved — even if the user just says "nhớ cái này".

Longer Memory Skill

Skill này dùng LanceDB để lưu trữ và tìm kiếm thông tin theo kiểu vector (semantic search). Mọi memory đều tồn tại vĩnh viễn trong workspace folder, kể cả sau khi session kết thúc.

Cấu hình (Config)

Settings được lưu tại ~/.config/longer-memory/config.json — đặt một lần, dùng mãi.

Xem config hiện tại

python scripts/config.py --show

Thiết lập settings

# Chọn embedding model
python scripts/config.py --set embedding-model ollama
python scripts/config.py --set embedding-model sentence-transformers
python scripts/config.py --set embedding-model openai

# Cấu hình Ollama
python scripts/config.py --set ollama-url http://localhost:11434
python scripts/config.py --set ollama-model nomic-embed-text

# Cấu hình OpenAI
python scripts/config.py --set openai-model text-embedding-3-small
export OPENAI_API_KEY=sk-...        # API key dùng env var, không lưu vào file

# Đổi đường dẫn DB
python scripts/config.py --set db-path /your/custom/path/memory_db

# Reset về default
python scripts/config.py --reset

Thứ tự ưu tiên (cao → thấp)

1. CLI argument (--ollama-url, --embedding-model, ...)
2. Environment variable (MEMORY_OLLAMA_URL, MEMORY_EMBEDDING_MODEL, ...)
3. ~/.config/longer-memory/config.json
4. Default built-in

Khi user nói "đổi sang Ollama" hoặc "set URL":

Chạy config.py --set với giá trị họ cung cấp, rồi config.py --show để xác nhận.

Nơi lưu DB

Mặc định: ~/.longer_memory_db/ (trong home directory của user)

Nếu user chỉ định đường dẫn khác: python scripts/config.py --set db-path /path/to/db

Embedding Models được hỗ trợ

Hỏi user khi chưa rõ, hoặc dùng sentence-transformers làm default:

Model	Cách dùng	Ưu điểm
sentence-transformers	Local, không cần gì thêm	Miễn phí, offline, nhanh
ollama	Local server tự chạy	Tự chọn model, không tốn API
openai	API cloud	Chất lượng cao nhất

Ollama (local server)

Ollama cho phép chạy embedding model hoàn toàn trên máy, hỗ trợ nhiều model khác nhau.

Cài Ollama: https://ollama.com
Pull model: ollama pull nomic-embed-text
Chạy server: ollama serve (mặc định port 11434)

Các model Ollama phổ biến cho embedding:

• nomic-embed-text — cân bằng tốt giữa tốc độ và chất lượng (khuyến nghị)
• mxbai-embed-large — chất lượng cao hơn, nặng hơn
• all-minilm — nhỏ gọn, nhanh nhất

Nếu user đang dùng Ollama với một URL khác (ví dụ server remote), hỏi họ URL cụ thể.

Các thao tác chính

1. Lưu memory mới

# sentence-transformers (default)
python scripts/save.py \
  --text "Nội dung cần nhớ" \
  --category "user_info|conversation|knowledge|document" \
  --tags "tag1,tag2" \
  --source "tên nguồn (tuỳ chọn)"

# Ollama local
python scripts/save.py \
  --text "Nội dung cần nhớ" \
  --embedding-model ollama \
  --ollama-url "http://localhost:11434" \
  --ollama-model "nomic-embed-text"

# OpenAI
python scripts/save.py \
  --text "Nội dung cần nhớ" \
  --embedding-model openai

2. Tìm kiếm semantic

# sentence-transformers (default)
python scripts/search.py --query "câu hỏi hoặc từ khoá" --top-k 5

# Ollama
python scripts/search.py \
  --query "câu hỏi" \
  --embedding-model ollama \
  --ollama-url "http://localhost:11434" \
  --ollama-model "nomic-embed-text"

3. Liệt kê tất cả memory

python scripts/list.py \
  --category "user_info" \
  --limit 20 \
  --db-path "/path/to/db"

4. Xoá memory

python scripts/delete.py \
  --id "memory-id" \
  --db-path "/path/to/db"

5. Xem thống kê DB

python scripts/stats.py --db-path "/path/to/db"

Quy trình xử lý theo tình huống

Khi user nói "nhớ/lưu cái này":

1. Xác định nội dung cần lưu (trích từ câu nói hoặc hỏi lại nếu mơ hồ)
2. Phân loại category phù hợp
3. Nếu chưa biết embedding model, hỏi user (hoặc dùng sentence-transformers làm default)
4. Chạy save.py
5. Xác nhận đã lưu thành công với user

Khi user hỏi "tìm lại / recall":

1. Xác định query từ câu hỏi của user
2. Chạy search.py với top-k = 5
3. Trình bày kết quả tìm được rõ ràng, kèm category và ngày lưu
4. Nếu không tìm thấy gì phù hợp, thông báo thẳng thắn

Tự động lưu cuối session:

Nếu trong conversation có các thông tin quan trọng như:

• Thông tin cá nhân user (tên, công ty, sở thích, thói quen)
• Quyết định hoặc kết luận đã được đưa ra
• Kiến thức kỹ thuật hoặc domain-specific được chia sẻ

→ Chủ động hỏi: "Cuộc trò chuyện này có vài điểm quan trọng — bạn muốn mình lưu lại không?" → Nếu user đồng ý, tóm tắt các điểm chính và lưu.

Cài đặt dependencies

# sentence-transformers (local)
pip install lancedb sentence-transformers --break-system-packages

# Ollama — không cần pip thêm, chỉ cần Ollama server đang chạy
# Cài Ollama: https://ollama.com
# ollama pull nomic-embed-text
# ollama serve

# OpenAI
pip install lancedb openai --break-system-packages

Categories

Category	Dùng khi
user_info	Thông tin cá nhân, sở thích, thói quen của user
conversation	Tóm tắt hoặc highlight của một cuộc trò chuyện
knowledge	Kiến thức, khái niệm, tài liệu được chia sẻ
document	Nội dung từ file hoặc URL được lưu lại

Lưu ý quan trọng

• Luôn in ra ID của memory vừa lưu để user có thể tham chiếu sau
• Khi tìm kiếm, hiển thị cả score (độ tương đồng) để user biết mức độ liên quan
• Nếu DB chưa tồn tại, scripts sẽ tự tạo
• Nếu gặp lỗi import, chạy lệnh cài đặt phía trên trước