dvcrn Semantic Memory Search
为 OpenClaw 记忆文件添加语义搜索能力
🎯 核心功能
语义搜索
- ✅ 向量驱动 - 通过语义而非关键词找到相关记忆
- ✅ 混合搜索 - 稠密向量 + BM25 全文检索 + RRF 重排序
- ✅ 智能去重 - SHA-256 内容哈希，未更改文件不重新嵌入
本地运行
- ✅ 无需 API Key - 使用本地 embedding（all-MiniLM-L6-v2）
- ✅ 完全离线 - 所有数据存储在本地 Milvus Lite
自动同步
- ✅ 文件监视 - 记忆文件变更时自动重新索引
- ✅ 增量更新 - 只处理新增或修改的文件
📦 依赖
必需
- Python 3.10+
- memsearch 库
安装
pip3 install "memsearch[local]"
📅 使用方法
1. 索引记忆文件
# 使用本地 embedding（无需 API Key）
KMP_DUPLICATE_LIB_OK=TRUE ~/Library/Python/3.14/bin/memsearch index ~/.openclaw/workspace/memory/
# 或使用 OpenAI embedding（需要 API Key）
export OPENAI_API_KEY="your-key"
memsearch index ~/.openclaw/workspace/memory/
2. 语义搜索
# 搜索记忆
KMP_DUPLICATE_LIB_OK=TRUE ~/Library/Python/3.14/bin/memsearch search "我们选了什么缓存方案？"
3. 实时同步（可选）
# 启动文件监视器
KMP_DUPLICATE_LIB_OK=TRUE ~/Library/Python/3.14/bin/memsearch watch ~/.openclaw/workspace/memory/
🔧 配置
配置文件：~/.memsearch/config.toml
本地 Embedding（推荐）
[milvus]
uri = "~/.memsearch/milvus.db"
[embedding]
provider = "local"
model = "all-MiniLM-L6-v2"
[search]
top_k = 5
OpenAI Embedding
[milvus]
uri = "~/.memsearch/milvus.db"
[embedding]
provider = "openai"
model = "text-embedding-3-small"
[search]
top_k = 5
📊 搜索示例
示例查询
| 查询 | 说明 |
|---|---|
| "我们选了什么缓存方案？" | 即使没有"缓存"关键词也能找到 |
| "Discord 频道重组" | 找到所有相关决策和过程 |
| "播客制作流程" | 找到播客相关的所有记忆 |
| "财报跟踪配置" | 找到财报系统的配置历史 |
搜索结果格式
--- Result 1 (score: 0.0320) ---
Source: /path/to/memory.md
Heading: 相关标题
# 内容摘要...
--- Result 2 (score: 0.0318) ---
...
🔗 相关链接
📝 更新日志
v1.0.0 (2026-03-14)
- ✅ 初始版本
- ✅ 本地 embedding 支持
- ✅ 语义搜索功能
- ✅ OpenClaw 集成
📄 许可证
MIT License