dvcrn Memory Core（长期记忆核心）
Memory Core 为 OpenClaw Agent 提供跨会话的长期记忆能力：自动识别输入的意图与场景，并在检索阶段进行严格场景隔离，避免无关记忆污染当前会话。
功能特性
- 记忆摄入：将用户关键事实写入长期记忆库
- 记忆检索：按 Agent + 场景过滤后进行向量相似度搜索
- 记忆遗忘：按记忆 ID 删除
- 本地优先：LanceDB 文件本地持久化，默认不出机器
命令
在 OpenClaw Workspace 内运行（{baseDir} 为技能目录）：
python3 {baseDir}/scripts/main.py ingest --agent "main" --text "我是 Python 后端工程师，喜欢用 FastAPI。"
python3 {baseDir}/scripts/main.py retrieve --agent "main" --query "我擅长什么框架？"
python3 {baseDir}/scripts/main.py forget --id "<memory_id>"
配置
你可以创建 {baseDir}/config.json 来选择本地或云端向量化模型：
预算自适应（推荐开启）
默认会根据 agent_id 在 ~/.openclaw/openclaw.json 里对应的模型名做启发式分档，并自动选择检索预算：
- small：400/1200
- medium：600/1800
- large：900/2700
如需固定预算，可在 config.json 里设置 auto_budget: false 并手工指定 max_chars_per_memory/max_total_chars。
1) 使用本地 Ollama（推荐本地优先）
{
"embedding_provider": "ollama",
"embedding_model": "nomic-embed-text",
"embedding_base_url": "http://localhost:11434",
"auto_budget": true,
"default_tier": "medium",
"embedding_timeout_sec": 20,
"embedding_max_input_chars": 2000,
"max_results": 5,
"max_chars_per_memory": 600,
"max_total_chars": 1800,
"min_score": 0.2
}
2) 使用云端 SiliconFlow（默认）
embedding_api_key 可留空，系统会尝试从 ~/.openclaw/openclaw.json 自动读取。
{
"embedding_provider": "siliconflow",
"embedding_model": "BAAI/bge-m3",
"embedding_base_url": "https://api.siliconflow.cn/v1",
"auto_budget": true,
"default_tier": "medium",
"embedding_timeout_sec": 15,
"embedding_max_input_chars": 2000,
"max_results": 5,
"max_chars_per_memory": 600,
"max_total_chars": 1800,
"min_score": 0.2
}