🧠 memory-lancedb-pro · 🦞OpenClaw Plugin

KI-Gedächtnisassistent für OpenClaw-Agenten

Geben Sie Ihrem KI-Agenten ein Gehirn, das sich wirklich erinnert — über Sitzungen, Agenten und Zeit hinweg.

Ein LanceDB-basiertes OpenClaw-Langzeitgedächtnis-Plugin, das Präferenzen, Entscheidungen und Projektkontext speichert und in zukünftigen Sitzungen automatisch abruft.

Warum memory-lancedb-pro?

Die meisten KI-Agenten leiden unter Amnesie. Sie vergessen alles, sobald Sie einen neuen Chat starten.

memory-lancedb-pro ist ein produktionsreifes Langzeitgedächtnis-Plugin für OpenClaw, das Ihren Agenten in einen echten KI-Gedächtnisassistenten verwandelt — es erfasst automatisch, was wichtig ist, lässt Rauschen natürlich verblassen und ruft die richtige Erinnerung zum richtigen Zeitpunkt ab. Kein manuelles Taggen, keine Konfigurationsprobleme.

Ihr KI-Gedächtnisassistent in Aktion

Ohne Gedächtnis — jede Sitzung beginnt bei null:

Sie: „Verwende Tabs für die Einrückung, füge immer Fehlerbehandlung hinzu." (nächste Sitzung) Sie: „Ich habe es dir schon gesagt — Tabs, nicht Leerzeichen!" 😤 (nächste Sitzung) Sie: „…ernsthaft, Tabs. Und Fehlerbehandlung. Schon wieder."

Mit memory-lancedb-pro — Ihr Agent lernt und erinnert sich:

Sie: „Verwende Tabs für die Einrückung, füge immer Fehlerbehandlung hinzu." (nächste Sitzung — Agent ruft automatisch Ihre Präferenzen ab) Agent: (wendet still Tabs + Fehlerbehandlung an) ✅ Sie: „Warum haben wir letzten Monat PostgreSQL statt MongoDB gewählt?" Agent: „Basierend auf unserer Diskussion am 12. Februar waren die Hauptgründe…" ✅

Das ist der Unterschied, den ein KI-Gedächtnisassistent macht — er lernt Ihren Stil, erinnert sich an vergangene Entscheidungen und liefert personalisierte Antworten, ohne dass Sie sich wiederholen müssen.

Was kann es noch?

	Was Sie bekommen
Auto-Capture	Ihr Agent lernt aus jeder Unterhaltung — kein manuelles `memory_store` nötig
Intelligente Extraktion	LLM-gestützte 6-Kategorien-Klassifikation: Profile, Präferenzen, Entitäten, Ereignisse, Fälle, Muster
Intelligentes Vergessen	Weibull-Zerfallsmodell — wichtige Erinnerungen bleiben, Rauschen verblasst natürlich
Hybride Suche	Vektor + BM25 Volltextsuche, fusioniert mit Cross-Encoder-Reranking
Kontextinjektion	Relevante Erinnerungen tauchen automatisch vor jeder Antwort auf
Multi-Scope-Isolation	Gedächtnisgrenzen pro Agent, pro Benutzer, pro Projekt
Jeder Anbieter	OpenAI, Jina, Gemini, Ollama oder jede OpenAI-kompatible API
Vollständiges Toolkit	CLI, Backup, Migration, Upgrade, Export/Import — produktionsbereit

Schnellstart

CPU-Anforderung: Deine CPU muss AVX/AVX2-Befehle unterstützen (Intel Sandy Bridge 2011+ / AMD Bulldozer 2011+). Die native Vektor-Engine von LanceDB benötigt diese — auf nicht unterstützten CPUs stürzt das Plugin mit SIGILL (Illegal Instruction) ab. Prüfe mit: grep -o 'avx[^ ]*' /proc/cpuinfo | head -1 (keine Ausgabe = nicht unterstützt). Siehe #419.

Option A: Ein-Klick-Installationsskript (empfohlen)

Das community-gepflegte Setup-Skript erledigt Installation, Upgrade und Reparatur in einem Befehl:

curl -fsSL https://raw.githubusercontent.com/CortexReach/toolbox/main/memory-lancedb-pro-setup/setup-memory.sh -o setup-memory.sh
bash setup-memory.sh

Siehe Ökosystem unten für die vollständige Liste der abgedeckten Szenarien und andere Community-Tools.

Option B: Manuelle Installation

Über OpenClaw CLI (empfohlen):

openclaw plugins install memory-lancedb-pro@beta

Oder über npm:

npm i memory-lancedb-pro@beta

Bei npm-Installation müssen Sie auch das Plugin-Installationsverzeichnis als absoluten Pfad in plugins.load.paths Ihrer openclaw.json hinzufügen. Dies ist das häufigste Einrichtungsproblem.

Fügen Sie zu Ihrer openclaw.json hinzu:

{
  "plugins": {
    "slots": { "memory": "memory-lancedb-pro" },
    "entries": {
      "memory-lancedb-pro": {
        "enabled": true,
        "config": {
          "embedding": {
            "provider": "openai-compatible",
            "apiKey": "${OPENAI_API_KEY}",
            "model": "text-embedding-3-small"
          },
          "autoCapture": true,
          "autoRecall": true,
          "smartExtraction": true,
          "extractMinMessages": 2,
          "extractMaxChars": 8000,
          "sessionMemory": { "enabled": false }
        }
      }
    }
  }
}

Warum diese Standardwerte?

autoCapture + smartExtraction → Ihr Agent lernt automatisch aus jeder Unterhaltung
autoRecall → relevante Erinnerungen werden vor jeder Antwort injiziert
extractMinMessages: 2 → Extraktion wird bei normalen Zwei-Runden-Chats ausgelöst
sessionMemory.enabled: false → vermeidet Verschmutzung der Suche durch Sitzungszusammenfassungen am Anfang

Validieren und neu starten:

openclaw config validate
openclaw gateway restart
openclaw logs --follow --plain | grep "memory-lancedb-pro"

Sie sollten sehen:

memory-lancedb-pro: smart extraction enabled
memory-lancedb-pro@...: plugin registered

Fertig! Ihr Agent verfügt jetzt über Langzeitgedächtnis.

Weitere Installationswege (bestehende Benutzer, Upgrades)

Bereits OpenClaw-Benutzer?

Fügen Sie das Plugin mit einem absoluten plugins.load.paths-Eintrag hinzu
Binden Sie den Memory-Slot: plugins.slots.memory = "memory-lancedb-pro"
Überprüfen: openclaw plugins info memory-lancedb-pro && openclaw memory-pro stats

Upgrade von vor v1.1.0?

# 1) Backup
openclaw memory-pro export --scope global --output memories-backup.json
# 2) Testlauf
openclaw memory-pro upgrade --dry-run
# 3) Upgrade ausführen
openclaw memory-pro upgrade
# 4) Überprüfen
openclaw memory-pro stats

Siehe CHANGELOG-v1.1.0.md für Verhaltensänderungen und Upgrade-Begründung.

Telegram-Bot-Schnellimport (zum Aufklappen klicken)

Wenn Sie die Telegram-Integration von OpenClaw verwenden, ist es am einfachsten, einen Importbefehl direkt an den Hauptbot zu senden, anstatt die Konfiguration manuell zu bearbeiten.

Senden Sie diese Nachricht:

Help me connect this memory plugin with the most user-friendly configuration: https://github.com/CortexReach/memory-lancedb-pro

Requirements:
1. Set it as the only active memory plugin
2. Use Jina for embedding
3. Use Jina for reranker
4. Use gpt-4o-mini for the smart-extraction LLM
5. Enable autoCapture, autoRecall, smartExtraction
6. extractMinMessages=2
7. sessionMemory.enabled=false
8. captureAssistant=false
9. retrieval mode=hybrid, vectorWeight=0.7, bm25Weight=0.3
10. rerank=cross-encoder, candidatePoolSize=12, minScore=0.6, hardMinScore=0.62
11. Generate the final openclaw.json config directly, not just an explanation

Ökosystem

memory-lancedb-pro ist das Kern-Plugin. Die Community hat Tools darum herum gebaut, um Einrichtung und tägliche Nutzung noch reibungsloser zu machen:

Setup-Skript — Ein-Klick-Installation, Upgrade und Reparatur

CortexReach/toolbox/memory-lancedb-pro-setup

Nicht nur ein einfacher Installer — das Skript behandelt intelligent eine Vielzahl realer Szenarien:

Ihre Situation	Was das Skript macht
Nie installiert	Frischer Download → Abhängigkeiten installieren → Konfiguration wählen → in openclaw.json schreiben → Neustart
Per `git clone` installiert, auf altem Commit hängen geblieben	Automatisches `git fetch` + `checkout` auf neueste Version → Abhängigkeiten neu installieren → Verifizieren
Konfiguration hat ungültige Felder	Automatische Erkennung per Schema-Filter, nicht unterstützte Felder entfernen
Per `npm` installiert	Überspringt Git-Update, erinnert Sie daran, `npm update` selbst auszuführen
`openclaw` CLI durch ungültige Konfiguration defekt	Fallback: Workspace-Pfad direkt aus der `openclaw.json`-Datei lesen
`extensions/` statt `plugins/`	Automatische Erkennung des Plugin-Standorts aus Konfiguration oder Dateisystem
Bereits aktuell	Nur Gesundheitschecks ausführen, keine Änderungen

bash setup-memory.sh                    # Installieren oder upgraden
bash setup-memory.sh --dry-run          # Nur Vorschau
bash setup-memory.sh --beta             # Pre-Release-Versionen einschließen
bash setup-memory.sh --uninstall        # Konfiguration zurücksetzen und Plugin entfernen

Eingebaute Anbieter-Presets: Jina / DashScope / SiliconFlow / OpenAI / Ollama, oder bringen Sie Ihre eigene OpenAI-kompatible API mit. Für die vollständige Nutzung (einschließlich --ref, --selfcheck-only und mehr) siehe das Setup-Skript README.

Claude Code / OpenClaw Skill — KI-geführte Konfiguration

CortexReach/memory-lancedb-pro-skill

Installieren Sie diesen Skill und Ihr KI-Agent (Claude Code oder OpenClaw) erhält tiefgreifendes Wissen über alle Funktionen von memory-lancedb-pro. Sagen Sie einfach „hilf mir die beste Konfiguration zu aktivieren" und erhalten Sie:

Geführter 7-Schritte-Konfigurationsworkflow mit 4 Bereitstellungsplänen:
- Full Power (Jina + OpenAI) / Budget (kostenloser SiliconFlow Reranker) / Simple (nur OpenAI) / Vollständig lokal (Ollama, null API-Kosten)
Alle 9 MCP-Tools korrekt verwendet: memory_recall, memory_store, memory_forget, memory_update, memory_stats, memory_list, self_improvement_log, self_improvement_extract_skill, self_improvement_review (vollständiges Toolset erfordert enableManagementTools: true — die Standard-Schnellstart-Konfiguration stellt nur die 4 Kern-Tools bereit)
Vermeidung häufiger Fallstricke: Workspace-Plugin-Aktivierung, autoRecall standardmäßig false, jiti-Cache, Umgebungsvariablen, Scope-Isolation und mehr

Installation für Claude Code:

git clone https://github.com/CortexReach/memory-lancedb-pro-skill.git ~/.claude/skills/memory-lancedb-pro

Installation für OpenClaw:

git clone https://github.com/CortexReach/memory-lancedb-pro-skill.git ~/.openclaw/workspace/skills/memory-lancedb-pro-skill

Video-Tutorial

Vollständige Anleitung: Installation, Konfiguration und Funktionsweise der hybriden Suche.

https://youtu.be/MtukF1C8epQ

https://www.bilibili.com/video/BV1zUf2BGEgn/

Architektur

┌─────────────────────────────────────────────────────────┐
│                   index.ts (Einstiegspunkt)             │
│  Plugin-Registrierung · Config-Parsing · Lifecycle-Hooks│
└────────┬──────────┬──────────┬──────────┬───────────────┘
         │          │          │          │
    ┌────▼───┐ ┌────▼───┐ ┌───▼────┐ ┌──▼──────────┐
    │ store  │ │embedder│ │retriever│ │   scopes    │
    │ .ts    │ │ .ts    │ │ .ts    │ │    .ts      │
    └────────┘ └────────┘ └────────┘ └─────────────┘
         │                     │
    ┌────▼───┐           ┌─────▼──────────┐
    │migrate │           │noise-filter.ts │
    │ .ts    │           │adaptive-       │
    └────────┘           │retrieval.ts    │
                         └────────────────┘
    ┌─────────────┐   ┌──────────┐
    │  tools.ts   │   │  cli.ts  │
    │ (Agent-API) │   │ (CLI)    │
    └─────────────┘   └──────────┘

Für eine detaillierte Analyse der vollständigen Architektur siehe docs/memory_architecture_analysis.md.

Dateireferenz (zum Aufklappen klicken)

Datei	Zweck
`index.ts`	Plugin-Einstiegspunkt. Registriert sich bei der OpenClaw Plugin API, parst Konfiguration, bindet Lifecycle-Hooks ein
`openclaw.plugin.json`	Plugin-Metadaten + vollständige JSON-Schema-Konfigurationsdeklaration
`cli.ts`	CLI-Befehle: `memory-pro list/search/stats/delete/delete-bulk/export/import/reembed/upgrade/migrate`
`src/store.ts`	LanceDB-Speicherschicht. Tabellenerstellung / FTS-Indexierung / Vektorsuche / BM25-Suche / CRUD
`src/embedder.ts`	Embedding-Abstraktion. Kompatibel mit jedem OpenAI-kompatiblen API-Anbieter
`src/retriever.ts`	Hybride Suchmaschine. Vektor + BM25 → Hybride Fusion → Rerank → Lifecycle-Zerfall → Filter
`src/scopes.ts`	Multi-Scope-Zugriffskontrolle
`src/tools.ts`	Agent-Tool-Definitionen: `memory_recall`, `memory_store`, `memory_forget`, `memory_update` + Verwaltungstools
`src/noise-filter.ts`	Filtert Agent-Ablehnungen, Meta-Fragen, Begrüßungen und minderwertige Inhalte
`src/adaptive-retrieval.ts`	Bestimmt, ob eine Abfrage Gedächtnisabruf benötigt
`src/migrate.ts`	Migration vom eingebauten `memory-lancedb` zu Pro
`src/smart-extractor.ts`	LLM-gestützte 6-Kategorien-Extraktion mit L0/L1/L2 Schichtspeicherung und zweistufiger Deduplizierung
`src/decay-engine.ts`	Weibull Stretched-Exponential-Zerfallsmodell
`src/tier-manager.ts`	Dreistufige Beförderung/Herabstufung: Peripheral ↔ Working ↔ Core

Kernfunktionen

Hybride Suche

Query → embedQuery() ─┐
                       ├─→ Hybride Fusion → Rerank → Lifecycle-Zerfall-Boost → Längennorm → Filter
Query → BM25 FTS ─────┘

Vektorsuche — semantische Ähnlichkeit über LanceDB ANN (Kosinus-Distanz)
BM25 Volltextsuche — exakte Schlüsselwortübereinstimmung über LanceDB FTS-Index
Hybride Fusion — Vektorscore als Basis, BM25-Treffer erhalten gewichteten Boost (kein Standard-RRF — optimiert für reale Abrufqualität)
Konfigurierbare Gewichte — vectorWeight, bm25Weight, minScore

Cross-Encoder Reranking

Eingebaute Adapter für Jina, SiliconFlow, Voyage AI und Pinecone
Kompatibel mit jedem Jina-kompatiblen Endpunkt (z.B. Hugging Face TEI, DashScope)
Hybrid-Scoring: 60% Cross-Encoder + 40% ursprünglicher fusionierter Score
Graceful Degradation: Rückfall auf Kosinus-Ähnlichkeit bei API-Ausfall

Mehrstufige Scoring-Pipeline

Stufe	Effekt
Hybride Fusion	Kombiniert semantische und exakte Suche
Cross-Encoder Rerank	Fördert semantisch präzise Treffer
Lifecycle-Zerfall-Boost	Weibull-Aktualität + Zugriffshäufigkeit + Wichtigkeit × Konfidenz
Längennormalisierung	Verhindert, dass lange Einträge dominieren (Anker: 500 Zeichen)
Harter Mindestscore	Entfernt irrelevante Ergebnisse (Standard: 0.35)
MMR-Diversität	Kosinus-Ähnlichkeit > 0.85 → herabgestuft

Intelligente Gedächtnisextraktion (v1.1.0)

LLM-gestützte 6-Kategorien-Extraktion: Profil, Präferenzen, Entitäten, Ereignisse, Fälle, Muster
L0/L1/L2 Schichtspeicherung: L0 (Einzeiler-Index) → L1 (strukturierte Zusammenfassung) → L2 (vollständige Erzählung)
Zweistufige Deduplizierung: Vektor-Ähnlichkeits-Vorfilter (≥0.7) → LLM semantische Entscheidung (CREATE/MERGE/SKIP)
Kategoriebasierte Zusammenführung: profile wird immer zusammengeführt, events/cases sind nur anfügbar

Gedächtnis-Lebenszyklusverwaltung (v1.1.0)

Weibull-Zerfallsmotor: Gesamtscore = Aktualität + Häufigkeit + intrinsischer Wert
Dreistufige Beförderung: Peripheral ↔ Working ↔ Core mit konfigurierbaren Schwellenwerten
Zugriffsverstärkung: Häufig abgerufene Erinnerungen zerfallen langsamer (Spaced-Repetition-Stil)
Wichtigkeitsmodulierte Halbwertszeit: Wichtige Erinnerungen zerfallen langsamer

Multi-Scope-Isolation

Eingebaute Scopes: global, agent:<id>, custom:<name>, project:<id>, user:<id>
Zugriffskontrolle auf Agentenebene über scopes.agentAccess
Standard: Jeder Agent greift auf global + seinen eigenen agent:<id>-Scope zu

Auto-Capture und Auto-Recall

Auto-Capture (agent_end): Extrahiert Präferenzen/Fakten/Entscheidungen/Entitäten aus Gesprächen, dedupliziert, speichert bis zu 3 pro Runde
Auto-Recall (before_agent_start): Injiziert <relevant-memories>-Kontext (bis zu 3 Einträge)

Rauschfilterung und adaptive Suche

Filtert minderwertige Inhalte: Agent-Ablehnungen, Meta-Fragen, Begrüßungen
Überspringt Suche bei: Begrüßungen, Slash-Befehlen, einfachen Bestätigungen, Emoji
Erzwingt Suche bei Gedächtnis-Schlüsselwörtern („erinnere dich", „vorher", „letztes Mal")
CJK-bewusste Schwellenwerte (Chinesisch: 6 Zeichen vs Englisch: 15 Zeichen)

Vergleich mit dem eingebauten memory-lancedb (zum Aufklappen klicken)

Funktion	Eingebautes `memory-lancedb`	memory-lancedb-pro
Vektorsuche	Ja	Ja
BM25 Volltextsuche	-	Ja
Hybride Fusion (Vektor + BM25)	-	Ja
Cross-Encoder Rerank (Multi-Anbieter)	-	Ja
Aktualitäts-Boost und Zeitzerfall	-	Ja
Längennormalisierung	-	Ja
MMR-Diversität	-	Ja
Multi-Scope-Isolation	-	Ja
Rauschfilterung	-	Ja
Adaptive Suche	-	Ja
Verwaltungs-CLI	-	Ja
Sitzungsgedächtnis	-	Ja
Aufgabenbezogene Embeddings	-	Ja
LLM Intelligente Extraktion (6 Kategorien)	-	Ja (v1.1.0)
Weibull-Zerfall + Stufenbeförderung	-	Ja (v1.1.0)
Beliebiges OpenAI-kompatibles Embedding	Eingeschränkt	Ja

Konfiguration

Vollständiges Konfigurationsbeispiel

{
  "embedding": {
    "apiKey": "${JINA_API_KEY}",
    "model": "jina-embeddings-v5-text-small",
    "baseURL": "https://api.jina.ai/v1",
    "dimensions": 1024,
    "taskQuery": "retrieval.query",
    "taskPassage": "retrieval.passage",
    "normalized": true
  },
  "dbPath": "~/.openclaw/memory/lancedb-pro",
  "autoCapture": true,
  "autoRecall": true,
  "retrieval": {
    "mode": "hybrid",
    "vectorWeight": 0.7,
    "bm25Weight": 0.3,
    "minScore": 0.3,
    "rerank": "cross-encoder",
    "rerankApiKey": "${JINA_API_KEY}",
    "rerankModel": "jina-reranker-v3",
    "rerankEndpoint": "https://api.jina.ai/v1/rerank",
    "rerankProvider": "jina",
    "candidatePoolSize": 20,
    "recencyHalfLifeDays": 14,
    "recencyWeight": 0.1,
    "filterNoise": true,
    "lengthNormAnchor": 500,
    "hardMinScore": 0.35,
    "timeDecayHalfLifeDays": 60,
    "reinforcementFactor": 0.5,
    "maxHalfLifeMultiplier": 3
  },
  "enableManagementTools": false,
  "scopes": {
    "default": "global",
    "definitions": {
      "global": { "description": "Shared knowledge" },
      "agent:discord-bot": { "description": "Discord bot private" }
    },
    "agentAccess": {
      "discord-bot": ["global", "agent:discord-bot"]
    }
  },
  "sessionMemory": {
    "enabled": false,
    "messageCount": 15
  },
  "smartExtraction": true,
  "llm": {
    "apiKey": "${OPENAI_API_KEY}",
    "model": "gpt-4o-mini",
    "baseURL": "https://api.openai.com/v1"
  },
  "extractMinMessages": 2,
  "extractMaxChars": 8000
}

Embedding-Anbieter

Funktioniert mit jeder OpenAI-kompatiblen Embedding-API:

Anbieter	Modell	Basis-URL	Dimensionen
Jina (empfohlen)	`jina-embeddings-v5-text-small`	`https://api.jina.ai/v1`	1024
OpenAI	`text-embedding-3-small`	`https://api.openai.com/v1`	1536
Voyage	`voyage-4-lite` / `voyage-4`	`https://api.voyageai.com/v1`	1024 / 1024
Google Gemini	`gemini-embedding-001`	`https://generativelanguage.googleapis.com/v1beta/openai/`	3072
Ollama (lokal)	`nomic-embed-text`	`http://localhost:11434/v1`	anbieterspezifisch

Rerank-Anbieter

Cross-Encoder Reranking unterstützt mehrere Anbieter über rerankProvider:

Anbieter	`rerankProvider`	Beispielmodell
Jina (Standard)	`jina`	`jina-reranker-v3`
SiliconFlow (kostenlose Stufe verfügbar)	`siliconflow`	`BAAI/bge-reranker-v2-m3`
Voyage AI	`voyage`	`rerank-2.5`
Pinecone	`pinecone`	`bge-reranker-v2-m3`

Jeder Jina-kompatible Rerank-Endpunkt funktioniert ebenfalls — setzen Sie rerankProvider: "jina" und verweisen Sie rerankEndpoint auf Ihren Dienst (z.B. Hugging Face TEI, DashScope qwen3-rerank).

Intelligente Extraktion (LLM) — v1.1.0

Wenn smartExtraction aktiviert ist (Standard: true), verwendet das Plugin ein LLM, um Erinnerungen intelligent zu extrahieren und zu klassifizieren, anstatt regex-basierte Auslöser zu verwenden.

Feld	Typ	Standard	Beschreibung
`smartExtraction`	boolean	`true`	LLM-gestützte 6-Kategorien-Extraktion aktivieren/deaktivieren
`llm.auth`	string	`api-key`	`api-key` verwendet `llm.apiKey` / `embedding.apiKey`; `oauth` verwendet standardmäßig eine plugin-spezifische OAuth-Token-Datei
`llm.apiKey`	string	(Rückfall auf `embedding.apiKey`)	API-Schlüssel für den LLM-Anbieter
`llm.model`	string	`openai/gpt-oss-120b`	LLM-Modellname
`llm.baseURL`	string	(Rückfall auf `embedding.baseURL`)	LLM-API-Endpunkt
`llm.oauthProvider`	string	`openai-codex`	OAuth-Anbieter-ID bei `llm.auth` = `oauth`
`llm.oauthPath`	string	`~/.openclaw/.memory-lancedb-pro/oauth.json`	OAuth-Token-Datei bei `llm.auth` = `oauth`
`llm.timeoutMs`	number	`30000`	LLM-Anfrage-Timeout in Millisekunden
`extractMinMessages`	number	`2`	Mindestanzahl an Nachrichten bevor Extraktion ausgelöst wird
`extractMaxChars`	number	`8000`	Maximale Zeichenanzahl, die an das LLM gesendet wird

OAuth llm-Konfiguration (vorhandenen Codex / ChatGPT Login-Cache für LLM-Aufrufe verwenden):

{
  "llm": {
    "auth": "oauth",
    "oauthProvider": "openai-codex",
    "model": "gpt-5.4",
    "oauthPath": "${HOME}/.openclaw/.memory-lancedb-pro/oauth.json",
    "timeoutMs": 30000
  }
}

Hinweise zu llm.auth: "oauth":

llm.oauthProvider ist derzeit openai-codex.
OAuth-Tokens werden standardmäßig unter ~/.openclaw/.memory-lancedb-pro/oauth.json gespeichert.
Sie können llm.oauthPath setzen, wenn Sie die Datei an einem anderen Ort speichern möchten.
auth login erstellt eine Sicherung der vorherigen api-key llm-Konfiguration neben der OAuth-Datei, und auth logout stellt diese Sicherung bei Verfügbarkeit wieder her.
Der Wechsel von api-key zu oauth überträgt llm.baseURL nicht automatisch. Setzen Sie es im OAuth-Modus nur manuell, wenn Sie absichtlich ein benutzerdefiniertes ChatGPT/Codex-kompatibles Backend verwenden möchten.

Lebenszyklus-Konfiguration (Zerfall + Stufen)

Feld	Standard	Beschreibung
`decay.recencyHalfLifeDays`	`30`	Basis-Halbwertszeit für Weibull-Aktualitätszerfall
`decay.frequencyWeight`	`0.3`	Gewichtung der Zugriffshäufigkeit im Gesamtscore
`decay.intrinsicWeight`	`0.3`	Gewichtung von `Wichtigkeit × Konfidenz`
`decay.betaCore`	`0.8`	Weibull-Beta für `core`-Erinnerungen
`decay.betaWorking`	`1.0`	Weibull-Beta für `working`-Erinnerungen
`decay.betaPeripheral`	`1.3`	Weibull-Beta für `peripheral`-Erinnerungen
`tier.coreAccessThreshold`	`10`	Mindestanzahl Abrufe vor Beförderung zu `core`
`tier.peripheralAgeDays`	`60`	Altersschwelle für die Herabstufung veralteter Erinnerungen

Zugriffsverstärkung

Häufig abgerufene Erinnerungen zerfallen langsamer (Spaced-Repetition-Stil).

Konfigurationsschlüssel (unter retrieval):

reinforcementFactor (0-2, Standard: 0.5) — auf 0 setzen zum Deaktivieren
maxHalfLifeMultiplier (1-10, Standard: 3) — harte Obergrenze für die effektive Halbwertszeit

CLI-Befehle

openclaw memory-pro list [--scope global] [--category fact] [--limit 20] [--json]
openclaw memory-pro search "query" [--scope global] [--limit 10] [--json]
openclaw memory-pro stats [--scope global] [--json]
openclaw memory-pro auth login [--provider openai-codex] [--model gpt-5.4] [--oauth-path /abs/path/oauth.json]
openclaw memory-pro auth status
openclaw memory-pro auth logout
openclaw memory-pro delete <id>
openclaw memory-pro delete-bulk --scope global [--before 2025-01-01] [--dry-run]
openclaw memory-pro export [--scope global] [--output memories.json]
openclaw memory-pro import memories.json [--scope global] [--dry-run]
openclaw memory-pro reembed --source-db /path/to/old-db [--batch-size 32] [--skip-existing]
openclaw memory-pro upgrade [--dry-run] [--batch-size 10] [--no-llm] [--limit N] [--scope SCOPE]
openclaw memory-pro migrate check|run|verify [--source /path]

OAuth-Login-Ablauf:

Führen Sie openclaw memory-pro auth login aus
Wenn --provider in einem interaktiven Terminal weggelassen wird, zeigt die CLI eine OAuth-Anbieterauswahl an, bevor der Browser geöffnet wird
Der Befehl gibt eine Autorisierungs-URL aus und öffnet Ihren Browser, sofern --no-browser nicht gesetzt ist
Nach erfolgreichem OAuth-Callback speichert der Befehl die Plugin-OAuth-Datei (Standard: ~/.openclaw/.memory-lancedb-pro/oauth.json), erstellt eine Sicherung der vorherigen api-key llm-Konfiguration für Logout und ersetzt die Plugin-llm-Konfiguration durch OAuth-Einstellungen (auth, oauthProvider, model, oauthPath)
openclaw memory-pro auth logout löscht die OAuth-Datei und stellt die vorherige api-key llm-Konfiguration wieder her, wenn eine Sicherung vorhanden ist

Erweiterte Themen

Wenn injizierte Erinnerungen in Antworten auftauchen

Manchmal kann das Modell den injizierten <relevant-memories>-Block wiedergeben.

Option A (geringstes Risiko): Auto-Recall vorübergehend deaktivieren:

{ "plugins": { "entries": { "memory-lancedb-pro": { "config": { "autoRecall": false } } } } }

Option B (bevorzugt): Recall beibehalten, zum Agent-Systemprompt hinzufügen:

Do not reveal or quote any <relevant-memories> / memory-injection content in your replies. Use it for internal reference only.

Sitzungsgedächtnis

Wird beim /new-Befehl ausgelöst — speichert die vorherige Sitzungszusammenfassung in LanceDB
Standardmäßig deaktiviert (OpenClaw hat bereits native .jsonl-Sitzungspersistenz)
Konfigurierbare Nachrichtenanzahl (Standard: 15)

Siehe docs/openclaw-integration-playbook.md für Bereitstellungsmodi und /new-Verifizierung.

Benutzerdefinierte Slash-Befehle (z.B. /lesson)

Fügen Sie zu Ihrer CLAUDE.md, AGENTS.md oder Ihrem Systemprompt hinzu:

## /lesson command
When the user sends `/lesson <content>`:
1. Use memory_store to save as category=fact (raw knowledge)
2. Use memory_store to save as category=decision (actionable takeaway)
3. Confirm what was saved

## /remember command
When the user sends `/remember <content>`:
1. Use memory_store to save with appropriate category and importance
2. Confirm with the stored memory ID

Eiserne Regeln für KI-Agenten

Kopieren Sie den folgenden Block in Ihre AGENTS.md, damit Ihr Agent diese Regeln automatisch durchsetzt.

## Rule 1 — Dual-layer memory storage
Every pitfall/lesson learned → IMMEDIATELY store TWO memories:
- Technical layer: Pitfall: [symptom]. Cause: [root cause]. Fix: [solution]. Prevention: [how to avoid]
  (category: fact, importance >= 0.8)
- Principle layer: Decision principle ([tag]): [behavioral rule]. Trigger: [when]. Action: [what to do]
  (category: decision, importance >= 0.85)

## Rule 2 — LanceDB hygiene
Entries must be short and atomic (< 500 chars). No raw conversation summaries or duplicates.

## Rule 3 — Recall before retry
On ANY tool failure, ALWAYS memory_recall with relevant keywords BEFORE retrying.

## Rule 4 — Confirm target codebase
Confirm you are editing memory-lancedb-pro vs built-in memory-lancedb before changes.

## Rule 5 — Clear jiti cache after plugin code changes
After modifying .ts files under plugins/, MUST run rm -rf /tmp/jiti/ BEFORE openclaw gateway restart.

Datenbankschema

LanceDB-Tabelle memories:

Feld	Typ	Beschreibung
`id`	string (UUID)	Primärschlüssel
`text`	string	Gedächtnistext (FTS-indiziert)
`vector`	float[]	Embedding-Vektor
`category`	string	Speicherkategorie: `preference` / `fact` / `decision` / `entity` / `reflection` / `other`
`scope`	string	Scope-Bezeichner (z.B. `global`, `agent:main`)
`importance`	float	Wichtigkeitsscore 0-1
`timestamp`	int64	Erstellungszeitstempel (ms)
`metadata`	string (JSON)	Erweiterte Metadaten

Häufige metadata-Schlüssel in v1.1.0: l0_abstract, l1_overview, l2_content, memory_category, tier, access_count, confidence, last_accessed_at

Hinweis zu Kategorien: Das Top-Level-Feld category verwendet 6 Speicherkategorien. Die 6-Kategorien-semantischen Labels der intelligenten Extraktion (profile / preferences / entities / events / cases / patterns) werden in metadata.memory_category gespeichert.

Fehlerbehebung

"Cannot mix BigInt and other types" (LanceDB / Apache Arrow)

Bei LanceDB 0.26+ können einige numerische Spalten als BigInt zurückgegeben werden. Aktualisieren Sie auf memory-lancedb-pro >= 1.0.14 — dieses Plugin konvertiert Werte nun mit Number(...) vor arithmetischen Operationen.

Dokumentation

Dokument	Beschreibung
OpenClaw Integrations-Playbook	Bereitstellungsmodi, Verifizierung, Regressionsmatrix
Gedächtnisarchitektur-Analyse	Vollständige Architektur-Tiefenanalyse
CHANGELOG v1.1.0	Verhaltensänderungen v1.1.0 und Upgrade-Begründung
Langkontext-Chunking	Chunking-Strategie für lange Dokumente

Beta: Smart Memory v1.1.0

Status: Beta — verfügbar über npm i memory-lancedb-pro@beta. Stabile Benutzer auf latest sind nicht betroffen.

Funktion	Beschreibung
Intelligente Extraktion	LLM-gestützte 6-Kategorien-Extraktion mit L0/L1/L2 Metadaten. Rückfall auf Regex wenn deaktiviert.
Lebenszyklus-Scoring	Weibull-Zerfall in die Suche integriert — häufige und wichtige Erinnerungen ranken höher.
Stufenverwaltung	Dreistufiges System (Core → Working → Peripheral) mit automatischer Beförderung/Herabstufung.

Feedback: GitHub Issues · Zurücksetzen: npm i memory-lancedb-pro@latest

Abhängigkeiten

Paket	Zweck
`@lancedb/lancedb` ≥0.26.2	Vektordatenbank (ANN + FTS)
`openai` ≥6.21.0	OpenAI-kompatibler Embedding-API-Client
`@sinclair/typebox` 0.34.48	JSON-Schema-Typdefinitionen

Contributors

Full list: Contributors

Star History

Lizenz

MIT

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

🧠 memory-lancedb-pro · 🦞OpenClaw Plugin

Warum memory-lancedb-pro?

Ihr KI-Gedächtnisassistent in Aktion

Was kann es noch?

Schnellstart

Option A: Ein-Klick-Installationsskript (empfohlen)

Option B: Manuelle Installation

Ökosystem

Setup-Skript — Ein-Klick-Installation, Upgrade und Reparatur

Claude Code / OpenClaw Skill — KI-geführte Konfiguration

Video-Tutorial

Architektur

Kernfunktionen

Hybride Suche

Cross-Encoder Reranking

Mehrstufige Scoring-Pipeline

Intelligente Gedächtnisextraktion (v1.1.0)

Gedächtnis-Lebenszyklusverwaltung (v1.1.0)

Multi-Scope-Isolation

Auto-Capture und Auto-Recall

Rauschfilterung und adaptive Suche

Konfiguration

CLI-Befehle

Erweiterte Themen

"Cannot mix BigInt and other types" (LanceDB / Apache Arrow)

Dokumentation

Beta: Smart Memory v1.1.0

Abhängigkeiten

Contributors

Star History

Lizenz

Mein WeChat QR-Code

FilesExpand file tree

README_DE.md

Latest commit

History

README_DE.md

File metadata and controls

🧠 memory-lancedb-pro · 🦞OpenClaw Plugin

Warum memory-lancedb-pro?

Ihr KI-Gedächtnisassistent in Aktion

Was kann es noch?

Schnellstart

Option A: Ein-Klick-Installationsskript (empfohlen)

Option B: Manuelle Installation

Ökosystem

Setup-Skript — Ein-Klick-Installation, Upgrade und Reparatur

Claude Code / OpenClaw Skill — KI-geführte Konfiguration

Video-Tutorial

Architektur

Kernfunktionen

Hybride Suche

Cross-Encoder Reranking

Mehrstufige Scoring-Pipeline

Intelligente Gedächtnisextraktion (v1.1.0)

Gedächtnis-Lebenszyklusverwaltung (v1.1.0)

Multi-Scope-Isolation

Auto-Capture und Auto-Recall

Rauschfilterung und adaptive Suche

Konfiguration

CLI-Befehle

Erweiterte Themen

"Cannot mix BigInt and other types" (LanceDB / Apache Arrow)

Dokumentation

Beta: Smart Memory v1.1.0

Abhängigkeiten

Contributors

Star History

Lizenz

Mein WeChat QR-Code