unified-memory-v5

name	unified-memory-v5
description	Unified Memory v5 - AI Agent 统一记忆系统 | 自动记忆 | MCP 协议 | 支持 OpenClaw/Hermes/Claude

Unified Memory v5 — Skill for OpenClaw & Hermes

🧠 AI Agent 统一记忆记忆系统 | 自动记忆 | MCP 协议 | 一句话安装

---

⚡ 一句话安装配置命令（发给 AI）

请帮我安装并配置 Unified Memory v5：
git clone https://github.com/mouxangithub/unified-memory.git && cd unified-memory && npm install && \
OLLAMA_BASE_URL=http://localhost:11434 && \
LLM_PROVIDER=ollama && LLM_MODEL=minimax-m2.7:cloud && \
EMBED_PROVIDER=ollama && EMBED_MODEL=nomic-embed-text:latest && \
VECTOR_ENGINE=lancedb && \
node src/gbrain_mcp_server.js

⚡ 安装后自动开启：自动记忆（重要性 > 0.7 自动存储）+ 实体检测 + 相似记忆关联

---

✨ 功能概述

功能	工具	说明
🧠 记忆存储	remember	自动评估重要性 > 0.7 时自动存储
🔍 语义搜索	search	混合搜索+过滤
📊 图谱查询	graph_stats	关联网络统计
🧹 记忆清理	cleanup	清理低价值记忆
💬 上下文	get_context	系统状态
🔬 重要性分析	auto_analyze	仅分析不存储

---

🧠 自动记忆功能

工作原理

用户输入 → 重要性评分 → 评分 > 0.7？→ ✅ 自动存储
                                      ↓ 否
                                  ❌ 不存储（返回分析）

重要性评分算法（7维度）

维度	权重	说明
内容长度	+0.1	10-500词适当加分
决策/偏好信号	+0.2	"决定"、"偏好"、"需要"等
情感/情绪信号	+0.15	"重要"、"紧急"、"担心"等
事实/信息性内容	+0.15	陈述句加分
项目/任务关联	+0.15	"项目"、"任务"、"计划"等
实体检测	+0.1	检测到实体加分
问句	-0.1	问句内容降低分数

示例

用户输入	评分	结果
"我决定了，下次去上海出差住浦东香格里拉"	0.82	✅ 自动存储
"我需要买咖啡豆，G7 曼特宁那个"	0.78	✅ 自动存储
"今天天气怎么样？"	0.35	❌ 不存储
"顺便帮我查一下明天是否下雨"	0.42	❌ 不存储

手动控制

// 手动指定重要性（跳过自动评估）
await remember({
  text: "用户偏好：喜欢冷萃咖啡",
  importance: 0.9,  // 强制存储
  auto: false       // 禁用自动评估
});

// 预分析（仅查看评分，不存储）
await auto_analyze({
  text: "用户决定去上海出差"
});
// 返回: { score: 0.75, reasons: ["决策信号", "项目相关"], suggestion: "建议存储" }

---

🔧 平台配置

OpenClaw 配置

方式 1: mcp-config.json

{
  "mcpServers": {
    "unified-memory-v5": {
      "command": "node",
      "args": ["/path/to/unified-memory/src/gbrain_mcp_server.js"],
      "env": {
        "OLLAMA_BASE_URL": "http://localhost:11434",
        "LLM_PROVIDER": "ollama",
        "LLM_MODEL": "minimax-m2.7:cloud",
        "EMBED_PROVIDER": "ollama",
        "EMBED_MODEL": "nomic-embed-text:latest",
        "VECTOR_ENGINE": "lancedb",
        "AUTO_MEMORY_THRESHOLD": "0.7"
      }
    }
  }
}

Hermes 配置

Hermes 支持两种方式使用本技能：

方式 1: MCP Server 配置（推荐）

在 Hermes 配置文件中添加 MCP server：

# ~/.hermes/config.yaml 或 hermes.yaml
mcp:
  servers:
    unified-memory:
      command: node
      args:
        - /path/to/unified-memory/src/gbrain_mcp_server.js
      env:
        OLLAMA_BASE_URL: http://localhost:11434
        LLM_PROVIDER: ollama
        LLM_MODEL: minimax-m2.7:cloud
        EMBED_PROVIDER: ollama
        EMBED_MODEL: nomic-embed-text:latest
        VECTOR_ENGINE: lancedb
        AUTO_MEMORY_THRESHOLD: "0.7"

方式 2: SKILL.md 安装

# 克隆仓库
git clone https://github.com/mouxangithub/unified-memory.git

# 安装 SKILL.md 到 Hermes skills 目录
mkdir -p ~/.hermes/skills/memory/
cp unified-memory/SKILL.md ~/.hermes/skills/memory/unified-memory.md

# 查看已安装的技能
# 使用 skills_list 工具

Claude Desktop 配置

{
  "mcpServers": {
    "unified-memory": {
      "command": "node",
      "args": ["/path/to/unified-memory/src/gbrain_mcp_server.js"],
      "env": {
        "OLLAMA_BASE_URL": "http://localhost:11434",
        "LLM_PROVIDER": "ollama",
        "LLM_MODEL": "minimax-m2.7:cloud",
        "EMBED_PROVIDER": "ollama",
        "EMBED_MODEL": "nomic-embed-text:latest",
        "VECTOR_ENGINE": "lancedb",
        "AUTO_MEMORY_THRESHOLD": "0.7"
      }
    }
  }
}

---

⚙️ 环境变量配置

变量	说明	默认值
LLM_PROVIDER	LLM 提供商	ollama
LLM_MODEL	模型名称	minimax-m2.7:cloud
LLM_BASE_URL	API 地址	http://localhost:11434
EMBED_PROVIDER	Embedding 提供商	ollama
EMBED_MODEL	Embedding 模型	nomic-embed-text:latest
EMBED_BASE_URL	Embedding API 地址	http://localhost:11434
VECTOR_ENGINE	向量引擎	lancedb
DATA_DIR	数据目录	~/.openclaw/workspace/memory
AUTO_MEMORY_THRESHOLD	自动记忆阈值	0.7

---

📁 快速使用

Hermes Agent 使用方式

// 1. 首先安装技能
await skills_list();
// 找到 "unified-memory-v5" 并使用

// 2. 调用 MCP 工具
// 自动记忆功能已内置，无需额外配置
await remember({
  text: "用户偏好：喜欢冷萃咖啡，不加糖"
});

// 3. 搜索记忆
await search({
  query: "用户的咖啡偏好"
});

// 4. 预分析（不存储）
await auto_analyze({
  text: "我决定下周去日本旅游"
});

---

🔌 MCP 接口兼容

平台	状态	配置方式
OpenClaw	✅ 支持	mcp-config.json
Hermes	✅ 支持	config.yaml / SKILL.md
Claude Desktop	✅ 支持	claude_desktop_config.json
其他 MCP 客户端	✅ 支持	通用 stdio 协议

---

🛠️ 可用工具

工具	用途	关键参数
remember	存储记忆	text, category, importance, auto
search	语义搜索	query, limit, entity, project, topic
get_context	获取状态	-
graph_stats	图谱统计	-
cleanup	清理记忆	threshold, max_age_days
auto_analyze	重要性分析	text（仅分析不存储）

---

📁 项目结构

unified-memory/
├── src/
│   ├── gbrain_mcp_server.js     # MCP 服务器入口（自动记忆 v1.1.0）
│   ├── gbrain-integration.js    # GBrain 集成模块
│   ├── memory_graph.js          # 记忆关联网络
│   ├── entity_detection.js      # 实体检测
│   └── ...
├── SKILL.md                     # 本文件
├── README.md                    # 完整文档
└── CHANGELOG.md                 # 版本历史

---

🌐 链接

• GitHub: https://github.com/mouxangithub/unified-memory
• 文档: https://github.com/mouxangithub/unified-memory#readme

---

版本历史

版本	日期	更新内容
v1.1.0	2026-05-05	🆕 自动记忆功能 - 重要性评分 > 0.7 自动存储
v1.0.0	2026-04-20	初始版本 - 基础记忆、搜索、图谱功能

---

🧠 让 AI 拥有记忆，让记忆成为智能的基石。