Semantic Memory — 中文语义记忆系统#

OpenClaw Agent 中文长期记忆基础设施 | v1.0.0

技能概述#

为 OpenClaw Agent 打造的中文长期记忆检索系统。三大核心创新：

1. 中文语义优先：jieba TF-IDF 替代纯向量检索，中文理解大幅提升
2. 混合三轨：TF-IDF × 向量 × 关键词加权，实测 100% 命中率
3. Agent 自动路由：自动识别意图路由到对应 memory collection

核心文件#

文件用途scripts/vector_search.py⭐ 核心检索脚本scripts/import_memory.py⭐ 记忆导入脚本scripts/start_chroma.shChromaDB 服务启动脚本README.md完整项目文档

快速开始#

1. 安装依赖#

bash

pip install chromadb jieba

2. 启动 ChromaDB#

bash

chroma run --path ./vector_db --host 0.0.0.0 --port 8000 &

3. 导入记忆#

bash

python3 scripts/import_memory.py

4. 检索#

bash

python3 scripts/vector_search.py "你的查询"

工作流程#

text

用户查询
    │
    ▼
Agent 自动路由（关键词匹配 collection）
    │
    ▼
TF-IDF 预计算索引（jieba 分词）
    ├─→ 中文语义相似度（主要）
    │
ChromaDB 向量检索
    ├─→ 语义扩展（补充）
    │
关键词命中加权（source 标题匹配）
    │
    ▼
综合评分 = 0.45×向量 + 0.55×TF-IDF + boost
    │
    ▼
输出 Top 6 结果

API 用法#

python

import sys
sys.path.insert(0, 'scripts')
from vector_search import search

results = search("跌倒检测老人", topk=6)
for r in results:
    print(r['source'], r['combined'], r['doc'][:100])

配置#

Agent 路由规则#

修改 scripts/vector_search.py 中的：

python

AGENT_KEYWORDS = {
    '你的Agent': ['关键词1', '关键词2'],
}
AGENT_COLLECTION = {'你的Agent': 'projects'}

权重调整#

python

combined = 0.45 * vec_sim + 0.55 * tfidf_norm + boost
# 调高 0.55 → 更注重中文关键词精确匹配
# 调高 0.45 → 更注重语义扩展

性能基准#

指标数值中文查询命中率100%（10/10）平均响应速度0.8 秒/次支持中文✅ jieba 分词多 Agent 支持✅ 自动路由无 Docker/GPU✅ 纯 pip

技术栈#

• ChromaDB 1.0（向量数据库）
• jieba 0.42（中文分词）
• Python 3.10+

已知限制#

• embedding 模型为英文（all-MiniLM-L6-v2），中文语义主要靠 TF-IDF 弥补
• ChromaDB 跨机器文件共享需配置 API 认证
• 缓存基于文件路径，Windows 兼容性未测试

License#

MIT — 署名即可，欢迎使用和二次开发。