원클릭으로
supermemory
增强记忆引擎,基于 LanceDB 向量存储,用于非对话类知识管理
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
메뉴
增强记忆引擎,基于 LanceDB 向量存储,用于非对话类知识管理
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
红龙工业设备 AI 智能获客系统。B2B 全栈 SDR,覆盖客户发现→背景调查→开发信触达→智能报价→Pipeline 管理,支持 WhatsApp + Email + Telegram + LinkedIn 多渠道。基于 OpenClaw Agent 技能集群。
获客系统初始化引导 v2.1。首次使用时引导用户配置凭据、生成工作台配置、挂载NAS、测试邮箱、安装依赖。当用户说"初始化获客系统"、"开始使用获客系统"、"一键安装依赖"时触发。
获客工作流参考(质量门控 + 阶段定义)。执行引擎已内置 — 实际编排使用 create_agent + spawn_agent,不再需要手动按步骤执行。本文件仅保留获客专用的质量检查点和阶段定义。
Use when 用户需要写开发信、cold email、外联邮件、起草销售邮件时。路由:此技能只生成邮件内容不发送,生成后必须交给 email-sender 技能发送(email-sender 内置ICP校验、邮箱铁律、联系记录),禁止直接调 send_email_smtp 发送开发信。
根据输入生成日报 Markdown 草稿并写入 reports 目录
Use when 需要发送邮件、批量发送开发信或跟进邮件时。路由:发送邮件必须走此技能(内置黑名单检查+ICP校验+邮箱铁律+联系记录),禁止绕过直接调 send_email_smtp。v2.0 对接实际 Agent 工具链,不再依赖 PowerShell 脚本。
| name | supermemory |
| version | 1.0.0 |
| description | 增强记忆引擎,基于 LanceDB 向量存储,用于非对话类知识管理 |
| triggers | ["supermemory","增强记忆","记忆引擎"] |
Skill Graph: 领域 → [[_index-intelligence|情报与知识领域]] | 上游 ← [[_index-intelligence|情报领域]] | 下游 → 大规模语义搜索 → [[deep-research|深度调研]]
版本: v1.0 | 日期: 2026-03-31 实现 4层抗遗忘系统的 L1 增强层 专注文工业皮带 B2B 外贸场景,基于 LanceDB 向量存储。
supermemory 是红龙获客系统的增强记忆引擎,比 L1 MemOS 更智能,用于存储市场情报、竞品分析、有效话术和客户洞察。与 ChromaDB(对话向量存储)不同,Supermemory 专注于非对话类知识。
| 类型 | TTL | 示例 |
|---|---|---|
customer_fact | 永久 | "Al Rashid Industries 每月采购 2000 条皮带,交货期 30 天" |
conversation_insight | 90 天 | "客户对分层机的宽幅规格更感兴趣" |
market_signal | 30 天 | "沙特阿拉伯皮带市场需求 Q2 上涨 15%" |
effective_script | 永久 | "以当地工厂案例开场 → 3倍回复率" |
competitor_intel | 永久 | "竞品A打齿机价格低10%,但交期多15天" |
| 命令 | 描述 |
|---|---|
memory:add | 添加记忆 |
memory:search | 语义搜索记忆 |
memory:list | 列出某类型记忆 |
memory:delete | 删除记忆 |
memory:stats | 查看统计 |
参数:
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
type | enum | ✅ | 记忆类型(见上表) |
content | string | ✅ | 记忆内容 |
tags | string[] | ❌ | 标签列表 |
source | string | ❌ | 来源(linkedin/exa/email/manual) |
confidence | float | ❌ | 置信度 0-1(默认 0.8) |
示例:
# 添加客户事实
memory:add \
--type "customer_fact" \
--content "Al Rashid Industries,沙特阿拉伯最大轮胎制造商,年产值约2亿美元,员工1200人。采购决策周期3-6个月。" \
--tags ["al_rashid", "saudi_arabia", "tire_manufacturer"] \
--source "linkedin" \
--confidence 0.9
# 添加有效话术
memory:add \
--type "effective_script" \
--content "开场白:提及当地同规模工厂使用HOLO设备的具体案例,回复率提升显著。示例:'我们为沙特一家月产5000条皮带的工厂提供了打齿机解决方案...' " \
--tags ["opening_line", "saudi_arabia", "case_study"]
# 添加竞品情报
memory:add \
--type "competitor_intel" \
--content "竞品闪电牌打齿机:价格比HOLO低10-15%,功率更低(1.5kW vs 2.2kW),但精度略差。交货期25天 vs HOLO的18天。客户反馈主要是售后服务响应慢。" \
--tags ["competitor", "fingerpuncher", "price_comparison"]
# 添加市场信号
memory:add \
--type "market_signal" \
--content "沙特阿拉伯 2026 年基础设施建设投资增长 20%,带动工业皮带需求。大型项目集中在东部省(Eastern Province)和利雅得。" \
--tags ["market_trend", "saudi_arabia", "infrastructure"]
参数:
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
query | string | ✅ | 自然语言查询 |
type | enum | ❌ | 限定记忆类型 |
tags | string[] | ❌ | 限定标签 |
limit | integer | ❌ | 返回数量(默认 5) |
示例:
# 搜索沙特阿拉伯相关记忆
memory:search "沙特阿拉伯客户" --limit 5
# 搜索有效话术
memory:search "opening line for tire manufacturer" --type "effective_script"
# 搜索竞品情报
memory:search "打齿机竞品对比" --type "competitor_intel"
# 按标签搜索
memory:search "市场机会" --tags ["market_trend", "saudi_arabia"]
AI 触发时机:
| 场景 | 示例查询 |
|---|---|
| 撰写开发信前 | "搜索沙特阿拉伯客户的所有记忆" |
| 竞品对比时 | "搜索竞品闪电牌相关信息" |
| 定价策略时 | "搜索客户对价格的接受区间" |
| 市场分析时 | "搜索中东市场最新信号" |
参数:
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
type | enum | ❌ | 记忆类型 |
limit | integer | ❌ | 返回数量(默认 20) |
示例:
# 列出所有有效话术
memory:list --type "effective_script"
# 列出所有竞品情报
memory:list --type "competitor_intel"
# 列出最近 20 条记忆
memory:list --limit 20
参数:
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
id | string | ✅ | 记忆 ID |
示例:
memory:delete --id "mem_abc123"
memory:stats
输出示例:
=== Supermemory 统计 ===
总记忆条数: 234
按类型分布:
customer_fact: 45 (19.2%)
conversation_insight: 67 (28.6%)
market_signal: 38 (16.2%)
effective_script: 52 (22.2%)
competitor_intel: 32 (13.7%)
TTL 统计:
永久有效: 129 (55.1%)
90天内有效: 67 (28.6%)
30天内有效: 38 (16.2%)
过期待清理: 12 条
存储引擎: LanceDB
向量维度: 1536
# supermemory 配置
supermemory:
provider: "lancedb" # 默认本地存储,无需外部依赖
persist_directory: "{{DATA_DIR}}/lancedb/honglong"
collection_name: "honglong_memory"
# 备选 provider(需要 API key)
# provider: "supermemory_cloud"
# api_key: "{{SUPERMEMORY_API_KEY}}"
embedding_model: "text-embedding-3-small" # OpenAI embedding
auto_capture: true
capture_strategy: "last_turn" # 仅捕获最后一条消息的洞察
recall_top_k: 5
ttl_days:
customer_fact: null # 永久
conversation_insight: 90
market_signal: 30
effective_script: null # 永久
competitor_intel: null # 永久
auto_cleanup:
enabled: true
schedule: "0 3 * * *" # 每天凌晨 3:00
grace_period_days: 7 # 过期后多留 7 天再删除
provider: "supermemory_cloud"
api_key: "{{SUPERMEMORY_API_KEY}}"
provider: "memos"
memos_url: "{{MEMOS_URL}}"
memos_token: "{{MEMOS_TOKEN}}"
对话生成后
↓
MemOS L1: 结构化客户状态(自动提取)
↓
Supermemory: 非结构化洞察(AI 主动判断)
↓
两者协同注入上下文
↓
对话结束 → chroma:store L3(对话历史向量)
↓
每天 12:00 → chroma:snapshot L4(CRM 快照)
集成规则:
当 AI 在对话中发现值得记录的信息时,应主动调用 memory:add:
| 发现内容 | 记忆类型 |
|---|---|
| 客户透露的采购规模/周期/决策人 | customer_fact |
| 客户的偏好/异议/关注点 | conversation_insight |
| 有效的开场白/话术/策略 | effective_script |
| 竞品动态/对比信息 | competitor_intel |
| 市场趋势/行业动态 | market_signal |