Une skill spécialisée conçue pour activer et configurer la mémoire vectorielle persistante et le contexte à long terme pour les agents AI.
Installer & Télécharger
1. ClawHub CLI
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install chen-memory-setup
2. Installation manuelle
Copiez le dossier de la compétence dans l'un de ces emplacements
~/.openclaw/skills/ <project>/skills/ Priorité : Espace de travail > Local > Intégré
3. Installation du prompt
Copiez ce prompt dans OpenClaw pour l'installer automatiquement.
Aide-moi à installer chen-memory-setup via Clawhub. Si Clawhub n'est pas installé, installe-le d'abord (npm i -g clawhub).
Vous préférez télécharger ?
Obtenez les fichiers bruts de la compétence dans une archive ZIP.
Qu'est-ce que chen-memory-setup ?
La skill chen-memory-setup est une brique de base fondamentale pour les développeurs souhaitant aller au-delà des interactions éphémères avec l'AI. En tirant parti de cette contribution d'Openclaw Skills, les utilisateurs peuvent combler le fossé entre les sessions, garantissant que Moltbot ou Clawdbot conserve une compréhension cohérente de l'historique du projet, des préférences de l'utilisateur et des décisions passées. Elle sert de pont principal pour configurer memorySearch au sein de votre environnement.
Cette skill fournit le plan pour établir un écosystème de mémoire structuré. Elle transforme l'agent AI en un collaborateur sophistiqué capable de rappeler des lignes spécifiques de conversations précédentes, d'accéder aux connaissances conservées dans un fichier MEMORY.md et d'indexer les journaux quotidiens. En utilisant des fournisseurs d'Embedding tels que Voyage ou OpenAI, elle permet des capacités de recherche vectorielle de haute précision directement dans le flux de travail de l'agent.
Cas d'utilisation de chen-memory-setup
- Corriger le syndrome de la mémoire de poisson rouge où les agents oublient le contexte entre différentes sessions.
- Configurer une recherche vectorielle haute performance en utilisant des fournisseurs tels que Voyage ou OpenAI.
- Établir un espace de travail structuré pour le contexte de projet à long terme et les journaux quotidiens des développeurs.
- Automatiser la récupération des décisions passées et des leçons apprises pendant le codage collaboratif.
Comment fonctionne chen-memory-setup
- La skill identifie le fichier de configuration local (clawdbot.json ou moltbot.json) et active le module memorySearch.
- Elle initialise une structure de mémoire hiérarchique dans l'espace de travail, y compris un MEMORY.md racine et un répertoire memory/ pour les journaux et les projets.
- Des Embeddings vectoriels sont générés pour le contenu en utilisant le fournisseur spécifié (Voyage, OpenAI ou local).
- Lorsqu'un utilisateur pose une question sur un travail passé, l'agent exécute une memory_search pour trouver le contexte pertinent.
- L'agent synthétise les données récupérées pour fournir une réponse qui respecte les préférences passées et l'historique du projet.
Configuration de chen-memory-setup
Tout d'abord, mettez à jour votre configuration dans ~/.clawdbot/clawdbot.json :
{
"memorySearch": {
"enabled": true,
"provider": "voyage",
"sources": ["memory", "sessions"],
"indexMode": "hot",
"minScore": 0.3,
"maxResults": 20
}
}
Assurez-vous que vos variables d'environnement sont définies pour le fournisseur choisi :
export VOYAGE_API_KEY='your_key_here'
# Or for OpenAI
export OPENAI_API_KEY='your_key_here'
Enfin, redémarrez le gateway pour appliquer les modifications :
clawdbot gateway restart
Schéma de données et taxonomie de chen-memory-setup
La skill organise les données dans une taxonomie prévisible pour que l'AI puisse naviguer facilement :
| Fichier/Dossier | Type de Contenu | Rôle |
|---|---|---|
MEMORY.md |
Markdown | Faits à long terme conservés, préférences et résumés de projets. |
memory/logs/ |
Markdown Quotidien | Journaux chronologiques nommés par date (YYYY-MM-DD.md). |
memory/projects/ |
Markdown | Contexte spécifique pour des projets techniques individuels. |
memory/system/ |
Markdown | Notes de configuration technique et préférences d'environnement. |
Fonctionnalités avancées de chen-memory-setup
- Indexation multi-sources : Combinez des fichiers de mémoire conservés avec des transcriptions de sessions passées pour une mémorisation totale.
- Indexation dynamique (Hot Indexing) : L'indexation en temps réel des modifications garantit que la mémoire de l'agent est toujours à jour.
- Rappel Agentique : Intégrez les instructions de recherche de mémoire directement dans AGENTS.md pour automatiser le moment où l'agent doit 'regarder en arrière'.
- Flexibilité du fournisseur : Le support des Embeddings locaux permet des configurations à haute confidentialité sans dépendances d'API externes.
SKILL.md
Chargement
Compétences Openclaw associées
Douyin & TikTok Trend Fetcher
Un outil d'analyse automatisé qui extrait en temps réel les hashtags tendance, les musiques virales et les données des meilleurs créateurs de TikTok et Douyin.
Calculateur de Ratio d'Aspect
Un utilitaire technique pour calculer des ratios d'aspect simplifiés, trouver des dimensions manquantes et identifier les formats d'affichage standards de l'industrie.
Compétence d'Escalade (Escalation Skill)
Un protocole spécialisé permettant aux agents AI de transmettre les blocages complexes à un agent superviseur ou à un humain via des passerelles webhook.
Summarize
Un outil CLI haute vitesse conçu pour extraire et résumer du contenu à partir d'URL, de transcriptions YouTube et de documents locaux en utilisant divers fournisseurs LLM.
Skill Checker
Un utilitaire d'audit professionnel pour valider les fichiers SKILL.md par rapport aux spécifications officielles et générer des rapports de conformité détaillés.
A2WF - Agent-to-Web Framework
A2WF fournit des outils pour valider, générer et auditer les fichiers siteai.json, établissant la norme ouverte pour la gouvernance des AI agent sur le web.
En vedette*
