追忆 — 本地语义记忆搜索#

"记忆是我们随身携带的图书馆。" — 普鲁斯特

快速开始#

搜索记忆：

bash

python3 ~/.openclaw/workspace/skills/追忆/scripts/search.py "查询内容"

构建/更新索引：

bash

python3 ~/.openclaw/workspace/skills/追忆/scripts/search.py --build

搜索流程#

当用户发起记忆搜索时：

1. 检查索引是否存在 — 索引路径 ~/.openclaw/memory_bm25_index.json
2. 如无索引，先构建 — 调用 --build 生成索引
3. 执行搜索 — BM25 粗排 → 多维信号重排 → 同文件去重
4. 格式化输出 — 返回文件路径、行号、各信号分值、内容摘要

搜索信号#

信号权重说明BM25norm38%词频相关性 + 文档长度归一化IDF-Coverage22%query 端归一化N-gram Proximity20%词序/邻近度ExactPhrase12%完整子串 bonusSoft Dice10%编辑距离容错匹配

索引范围#

• MEMORY.md
• memory/*.md（每日日记）

搜索结果格式#

text

🔍 搜索: 年余 GitHub

[1] 综合: 0.800
    BM25n: 1.000  Cover: 1.000  Prox: 1.000  Phrase: 0.000  Soft: 0.000  Consec: 0.000
    来源: memory/2026-04-03.md#165-181
    内容: ...相关段落内容...

[2] 综合: 0.788 [去重]
    ...

触发时机#

以下场景自动触发本 Skill：

• 用户说"搜一下我记得的 XXX"
• 用户说"我的记忆里有关于 XXX 的吗"
• 用户询问"之前我们聊过 XXX"
• 用户说"查一下 XXX 相关的内容"
• 任何 memory_search 工具调用

技术细节#

• 分词：CJK 字符 2-6 gram（Python 3.13 兼容，无外部依赖）
• 排序算法：BM25（k1=1.5, b=0.75）+ 五路信号融合
• 索引格式：JSON，每条记录含 text / file / start_line / end_line / chunk_idx
• 零外部依赖：全部使用 Python stdlib