Ein standardisiertes Redis-basiertes Caching-System zur Verwaltung von KI-Agentenstatus, Sitzungskontext und Hochgeschwindigkeits-Datenabruf.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install memory-cache
2. Manuelle Installation
Kopiere den Skill-Ordner an einen dieser Orte
~/.openclaw/skills/ <project>/skills/ Priorität: Workspace > Lokal > Integriert (Bundled)
3. Prompt-Installation
Kopiere diesen Prompt in OpenClaw, um ihn automatisch zu installieren.
Hilf mir, memory-cache über Clawhub zu installieren. Falls Clawhub nicht installiert ist, installiere es bitte zuerst (npm i -g clawhub).
Lieber herunterladen?
Hole dir die rohen Skill-Dateien in einem ZIP-Archiv.
Was ist Speicher-Cache?
Speicher-Cache ist ein Hochleistungs-Temporärspeichersystem, das speziell für KI-Agenten innerhalb des Openclaw Skills-Ökosystems entwickelt wurde. Durch die Nutzung von Redis bietet es ein robustes Framework zum Speichern von Agentenstatus, zum Cachen teurer API-Ergebnisse und zum Erleichtern des Datenaustauschs zwischen mehreren Sub-Agenten. Der Skill betont die Organisation durch Namespaced-Keys und effizientes Speichermanagement über Time-To-Live (TTL)-Konfigurationen.
Die Implementierung dieses Skills ermöglicht es Entwicklern, die Sitzungskontinuität aufrechtzuerhalten und die Reaktionsfähigkeit ihrer KI-Workflows zu verbessern. Er fungiert als zentralisierte Speicherschicht, die sicherstellt, dass kritischer Kontext über verschiedene Ausführungszyklen hinweg erhalten bleibt, während Datenkollisionen durch strenge Namenskonventionen verhindert werden.
Speicher-Cache Anwendungsfälle
- Speichern und Abrufen von Agenten-Ausführungsstatus zur Aufrechterhaltung der Kontinuität über Sitzungen hinweg.
- Caching von API-Antworten mit hoher Latenz zur Verbesserung der Geschwindigkeit und Reduzierung der Betriebskosten.
- Austausch von Echtzeit-Kontext und Variablen zwischen Primär-Agenten und Sub-Agenten.
- Verwalten temporärer Sitzungsdaten mit automatischem Ablauf durch TTL-Management.
So funktioniert Speicher-Cache
- Der Agent stellt über die Umgebungsvariable REDIS_URL eine Verbindung zu einer Redis-Instanz her.
- Daten werden mit dem Skript cache_manager.py in den Cache geschrieben, wobei der entsprechende mema:-Namespace angewendet wird.
- TTL-Werte (Time-To-Live) werden optional Schlüsseln zugewiesen, um die Bereinigung flüchtiger Daten zu automatisieren.
- Agenten rufen gespeicherten Kontext oder Status ab, indem sie spezifische Namespaced-Keys abfragen, was einen nahtlosen Datenfluss gewährleistet.
- Wartungsbefehle wie scan und ping werden verwendet, um den Cache-Zustand zu überwachen und nach spezifischen Datenmustern zu suchen.
Speicher-Cache Einrichtung
Um dies in Ihren Workflow zu integrieren, stellen Sie sicher, dass Sie python3 und eine laufende Redis-Instanz haben. Dies ist eine Kernkomponente für Entwickler, die ihre Bibliothek an Openclaw Skills erweitern möchten.
# Erforderliche Abhängigkeiten installieren
pip install -r requirements.txt
# Umgebungsvariablen konfigurieren
cp env.example.txt .env
# Definieren Sie REDIS_URL in Ihrer .env-Datei
Speicher-Cache Datenschema & Taxonomie
Der Skill organisiert Daten innerhalb von Redis unter Verwendung einer strengen präfixbasierten Taxonomie, um Klarheit zu gewährleisten und Überschreibungen zu verhindern:
| Schlüssel-Präfix | Typ | Beschreibung |
|---|---|---|
mema:context:* |
Sitzung | Speichert den aktiven Sitzungsstatus und den Gesprächsverlauf. |
mema:cache:* |
Flüchtig | Wird für temporäre API-Ergebnisse und kurzfristige Daten verwendet. |
mema:state:* |
Persistent | Hält den langfristigen Agentenstatus über mehrere Durchläufe hinweg. |
Speicher-Cache Erweiterte Funktionen
- TTL-Management: Granulare Kontrolle über den Datenablauf zur Optimierung der Redis-Speichernutzung.
- Namespace-Isolierung: Standardisierte Präfixe (mema:) gewährleisten die Kompatibilität mit anderen Openclaw Skills.
- Sub-Agenten-Synchronisation: Ermöglicht komplexe Multi-Agenten-Workflows durch Bereitstellung eines Shared Memory Bus.
- Muster-Scanning: Integrierte Suchfunktionen zum Identifizieren und Verwalten von Schlüsseln innerhalb spezifischer Namespaces.
SKILL.md
Laden
Verwandte Openclaw-Skills
Mema Brain
Ein standardisiertes Speichersystem, das einen SQLite-Metadatenindex für die Dokumentenorganisation mit einem Redis-gestützten Kurzzeit-Kontextpuffer kombiniert.
Menschliches Schreiben
Ein spezialisierter Skill, der entwickelt wurde, um stilistische KI-Merkmale zu eliminieren und hochdichte, professionelle technische Dokumentationen zu erstellen.
Guardian Wall
Ein sicherheitsorientierter Skill zur Bereinigung externer Inhalte und zur Neutralisierung von Prompt-Injection-Angriffen in KI-Agenten-Workflows.
File Organizer Skill
Sortieren Sie unordentliche Verzeichnisse automatisch in organisierte Unterordner nach Dateierweiterung oder Erstellungsdatum.
Mermaid Architect
Ein spezialisierter Agenten-Skill zur Erstellung robuster, optisch ansprechender Mermaid.js-Diagramme unter Verwendung sicherer Syntax und professioneller Layouts.
Newman - Postman CLI Runner
Ein automatisiertes Befehlszeilentool zum Ausführen von Postman-Collections für nahtlose API-Tests und Berichterstattung.
METADATA
Hervorgehoben*
