Eine lokale, rein in Python geschriebene semantische Memory-Engine, die KI-Agenten eine dauerhafte Entitätsverfolgung, Beziehungszuordnung und automatisierte Reflexion ermöglicht.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install nova-memory
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, nova-memory 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 nova-memory?
nova-memory ist eine robuste lokale Memory-Fähigkeit, die darauf ausgelegt ist, KI-Agenten ein langfristiges, strukturiertes Verständnis ihrer Umgebung und Interaktionen zu vermitteln. Es wurde vollständig in Python ohne externe API-Abhängigkeiten erstellt und gewährleistet maximale Privatsphäre und Datensicherheit. Es ermöglicht Agenten, sich an spezifische Fakten zu erinnern, semantische Suchen in vergangenen Interaktionen durchzuführen und komplexe Entitätsbeziehungen innerhalb eines lokalen Arbeitsbereichs zu verwalten.
Durch die Nutzung fortschrittlicher Indizierung wie TF-IDF und Cosine Similarity ermöglicht dieser Openclaw Skills-Beitrag eine leistungsstarke Abfrage ohne den Overhead schwerer Vektordatenbanken. Es lässt sich nahtlos in bestehende Arbeitsabläufe integrieren und schlägt durch seine automatisierten Reflexions- und OLAP-Analysemodule eine Brücke zwischen Rohdaten und hochrangigen Projekterkenntnissen.
nova-memory Anwendungsfälle
- Langfristige Speicherung von Fakten zu Benutzerpräferenzen und Projekthistorie.
- Aufbau komplexer Entitäts-Beziehungs-Graphen für das Wissensmanagement.
- Semantische Suche nach historischen Ereignissen und während der Entwicklung gewonnenen Erkenntnissen.
- Automatisierte tägliche Reflexion zur Generierung von Erkenntnissen und Zusammenfassungen für Langzeitgedächtnisprotokolle.
- Detaillierte analytische Berichte über Speichertrends und Inhaltsvielfalt mittels lokalem OLAP.
So funktioniert nova-memory
- Das System erfasst Informationen über die
remember-Funktion, weist eine eindeutige ID zu und speichert sie als lokale JSON-Datei. - Invertierte Indizes ordnen Tags Memory-IDs zu, während ein Vektorindex TF-IDF-Repräsentationen für jeden Eintrag speichert.
- Wenn eine Abfrage initiiert wird, verwendet das System Cosine Similarity, um den Abfragevektor mit gespeicherten Vektoren zu vergleichen und den relevantesten Kontext zu finden.
- Die Entitätsverwaltung ermöglicht die Speicherung strukturierter Fakten zu spezifischen Themen, die dann in einem Memory-Graphen verknüpft werden.
- In regelmäßigen Abständen analysiert die
auto_reflect-Engine aktuelle Erinnerungen, um übergeordnete Erkenntnisse zu generieren, die in der dauerhaften Projektdokumentation gespeichert werden können.
nova-memory Einrichtung
Um die nova-memory-Fähigkeit zu installieren und zu konfigurieren, folgen Sie diesen Schritten:
- Stellen Sie sicher, dass
sklearnundnumpyin Ihrer Python-Umgebung installiert sind. - Klonen Sie das Fähigkeitsverzeichnis oder legen Sie es in Ihren Arbeitsbereich.
- Initialisieren Sie das Memory-Verzeichnis:
mkdir -p \/workspace\/memory\/nova-memory\/
- Jetzt können Sie die CLI verwenden, um das Memory-System zu testen:
# Speichern einer neuen Erinnerung
python -m nova_memory.scripts.memory_cli remember "Project Alpha uses Python 3.11" --tags dev,config
# Abrufen von Informationen
python -m nova_memory.scripts.memory_cli recall "What version of Python?"
nova-memory Datenschema & Taxonomie
Die Fähigkeit organisiert Daten innerhalb von \/workspace\/memory\/nova-memory\/ unter Verwendung einer flachen Dateistruktur für maximale Portabilität.
| Komponente | Format | Beschreibung |
|---|---|---|
| Memory-Eintrag | .json |
Einzelne Dateien mit Inhalt, Zeitstempel, Tags und Entitäts-IDs. |
| Invertierter Index | JSON | Abbildung von tag -> [memory_ids] für schnelles Filtern. |
| Vektorindex | NumPy/JSON | Gespeicherte TF-IDF-Vektoren für semantische Ähnlichkeitsberechnungen. |
| Entitätsspeicher | JSON | Schlüssel-Wert-Speicher von entity_name -> {attributes}. |
| OLAP-Cache | SQLite | Lokale Datenbank für Trendanalysen und statistische Berichte. |
nova-memory Erweiterte Funktionen
- Automatisierte Reflexion: Erzeugt Syntheseberichte aus aktuellen Rohdaten zur Aktualisierung von Langzeitstatusdateien.
- Memory-Graph: Visualisiert Verbindungen zwischen verschiedenen im System gespeicherten Entitäten und Fakten.
- Semantische Suche: Verwendet lokale Machine-Learning-Techniken, um kontextbezogen relevante Informationen zu finden, ohne externe LLMs aufzurufen.
- OLAP-Analyse: Integrierte SQLite-Engine zur Durchführung von Trendanalysen, Tag-Heatmaps und Entropieberechnungen des Inhalts.
- Persistenz-Hooks: Einfache
save()- undload()-Mechanismen, um sicherzustellen, dass das Gedächtnis bei Neustarts des Agenten nie verloren geht.
SKILL.md
Laden
Verwandte Openclaw-Skills
Video-Narration
Eine hochpräzise technische Fähigkeit zur Erstellung professioneller KI-Sprachausgaben mit automatisierter Szenenanalyse und frame-genauer Audio-Video-Synchronisation.
Iberia Insight Agent
Eine spezialisierte Forschungsfähigkeit für tiefgehende Einblicke in die Markengeschichte von Iberia, Produkt-Ökosysteme und die globale Marktpositionierung.
DataWorks Diagnoser
Ein spezialisiertes CLI-Tool zum Abrufen und Diagnostizieren von Protokollen von Alibaba Cloud DataWorks Aufgabeninstanzen, um Ausführungsfehler zu identifizieren und zu beheben.
Memory Focal System
Ein intelligentes Speichermanagement-Framework, das den KI-Kontext durch dynamische Anpassung der Speicherfokustiefe und Anwendung von gestaffeltem Speicher optimiert.
Humana Intelligence & Research Skill
Eine AI agent Skill, die entwickelt wurde, um strukturierte Intelligenz, Geschäftslandkarten und Marktleistungsdaten für die Humana-Organisation bereitzustellen.
hugo-boss Background Context Skill
Ein umfassendes Recherche-Tool, das entwickelt wurde, um tiefe kontextuelle Einblicke in die Markengeschichte, Produkte und Marktstrategie von hugo-boss zu liefern.
Hervorgehoben*
