| name | elite-longterm-memory-local |
| version | 1.1.0 |
| description | Local vector memory system with LanceDB + Pure JS embedding. No native modules or external APIs required. |
| author | Kimi Claw |
| keywords | ["memory","ai-agent","long-term-memory","vector-search","lancedb","pure-javascript","local-embedding","openclaw"] |
| metadata | {"openclaw":{"emoji":"🧠","requires":{"env":[],"plugins":[]}}} |
Elite Longterm Memory (Local Edition) 🧠
基于 LanceDB + Pure JavaScript Embedding 的本地向量记忆系统，无需外部 API。
核心特性
- ✅ 纯本地运行 — Pure JavaScript embedding，零外部依赖
- ✅ WAL 协议 — 写前日志，防数据丢失
- ✅ LanceDB 向量搜索 — 语义召回相关记忆
- ✅ 三层存储 — Hot/Warm/Cold 分层管理
- ✅ 无需配置 — 无需 Ollama 或 OpenAI API key
- ✅ 自动召回/捕获 — 智能注入相关上下文
架构
┌─────────────────────────────────────────────────────────────────┐
│ ELITE LONGTERM MEMORY │
├─────────────────────────────────────────────────────────────────┤
│ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ HOT RAM │ │ WARM STORE │ │ COLD STORE │ │
│ │ │ │ │ │ │ │
│ │ SESSION- │ │ LanceDB │ │ Git-Notes │ │
│ │ STATE.md │ │ Vectors │ │ Knowledge │ │
│ │ │ │ │ │ Graph │ │
│ │ (survives │ │ (semantic │ │ (permanent │ │
│ │ compaction)│ │ search) │ │ decisions) │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
│ │ │ │ │
│ └────────────────┼────────────────┘ │
│ ▼ │
│ ┌─────────────┐ │
│ │ MEMORY.md │ ← Curated long-term │
│ │ + daily/ │ (human-readable) │
│ └─────────────┘ │
│ │
└─────────────────────────────────────────────────────────────────┘
五层记忆系统
| 层级 | 文件/系统 | 用途 | 持久化 |
|---|
| 1. Hot RAM | SESSION-STATE.md | 活跃任务上下文 | survived compaction |
| 2. Warm Store | LanceDB Vectors | 语义搜索 | 自动召回 |
| 3. Cold Store | Git-Notes | 结构化决策 | 永久保存 |
| 4. Archive | MEMORY.md + daily/ | 人类可读 | 精选归档 |
| 5. Embedding | Ollama | 本地向量模型 | 纯本地 |
快速开始
1. 安装依赖
ollama --version
ollama pull nomic-embed-text
cd skills/elite-longterm-memory
npm install
2. 初始化记忆系统
node bin/init.js
这会创建：
SESSION-STATE.md — 热内存MEMORY.md — 长期记忆memory/ — 每日日志目录memory/vectors/ — LanceDB 数据库
3. 使用记忆工具
node bin/memory.js store "用户喜欢深色模式" --importance 0.9 --category preference
node bin/memory.js search "用户界面偏好"
node bin/memory.js stats
node bin/memory.js forget --query "深色模式"
OpenClaw 集成
启用插件
在 ~/.openclaw/openclaw.json 中添加：
{
"plugins": {
"entries": {
"elite-longterm-memory": {
"enabled": true,
"config": {
"ollamaUrl": "http://localhost:11434",
"embeddingModel": "nomic-embed-text",
"dbPath": "./memory/vectors",
"autoRecall": true,
"autoCapture": false
}
}
}
}
}
使用记忆工具
启用后，OpenClaw 会自动提供以下工具：
memory_recall — 搜索相关记忆memory_store — 存储重要信息memory_forget — 删除记忆
智能提示词
在 AGENTS.md 或 SOUL.md 中添加：
## 记忆协议
### 会话开始时
1. 读取 SESSION-STATE.md — 获取热上下文
2. 使用 memory_recall 搜索相关历史
3. 检查 memory/YYYY-MM-DD.md 了解近期活动
### 对话中
- 用户给出具体细节？→ 先写入 SESSION-STATE.md，再回复
- 重要决策？→ 使用 memory_store 存储
- 表达偏好？→ memory_store --importance 0.9 --category preference
### 会话结束时
1. 更新 SESSION-STATE.md 最终状态
2. 重要内容移至 MEMORY.md
3. 创建/更新 memory/YYYY-MM-DD.md
WAL 协议（关键）
写前日志：先写状态，再回复。
| 触发条件 | 动作 |
|---|
| 用户表达偏好 | 写入 SESSION-STATE.md → 然后回复 |
| 用户做出决策 | 写入 SESSION-STATE.md → 然后回复 |
| 用户给出期限 | 写入 SESSION-STATE.md → 然后回复 |
| 用户纠正你 | 写入 SESSION-STATE.md → 然后回复 |
为什么？ 如果先回复再保存，崩溃/压缩会导致上下文丢失。WAL 确保数据持久。
维护命令
node bin/memory.js stats
node bin/memory.js search "*" --limit 50
node bin/memory.js dedup
node bin/memory.js export --format json > memories.json
node bin/memory.js backup ./backups/memory-$(date +%Y%m%d).zip
故障排查
Ollama 连接失败
→ 检查 ollama serve 是否运行
→ 检查 OLLAMA_HOST 环境变量
向量搜索无结果
→ 检查 LanceDB 路径是否正确
→ 确认已存储记忆：node bin/memory.js stats
内存占用过高
→ 运行 node bin/memory.js compact 压缩向量
→ 清理旧记忆：node bin/memory.js cleanup --before 30d
为什么本地 Embedding？
| 对比 | OpenAI API | Ollama 本地 |
|---|
| 费用 | 按 token 收费 | 免费 |
| 延迟 | 网络依赖 | 本地毫秒级 |
| 隐私 | 数据出域 | 完全本地 |
| 离线 | 不可用 | 可用 |
| 质量 | text-embedding-3 | nomic-embed-text |
对于个人使用，nomic-embed-text 的质量足够，且完全免费。
链接
本地优先，隐私至上。
