Un framework de mémoire optimisé par le quantique qui utilise QAOA pour résoudre les problèmes de clustering, de compactage et de récupération basée sur la synergie pour les AI agents.
Installer & Télécharger
1. ClawHub CLI
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install quantum-agent-memory
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 quantum-agent-memory 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 Quantum Agent Memory ?
Quantum Agent Memory est une couche d'optimisation haute performance conçue pour améliorer les capacités de gestion de mémoire des agents autonomes. En utilisant le QAOA (Quantum Approximate Optimization Algorithm) via Qiskit, cet outil offre une alternative robuste aux méthodes heuristiques classiques pour gérer des relations de données complexes. En tant qu'ajout sophistiqué à Openclaw Skills, il permet aux développeurs de mettre en œuvre des stratégies de clustering, de compactage et de récupération améliorées par le quantique, qui améliorent considérablement la rétention du contexte.
Cette compétence répond aux limites de la recherche vectorielle traditionnelle en considérant la synergie entre les mémoires récupérées, plutôt que de simples scores de similarité individuels. Cela garantit que les agents propulsés par Openclaw Skills peuvent maintenir une mémoire à long terme plus cohérente et pertinente, qu'ils fonctionnent sur des simulateurs locaux ou sur du matériel IBM Quantum réel.
Cas d'utilisation de Quantum Agent Memory
- Regroupement de grands ensembles de mémoires en clusters logiques en utilisant une optimisation équilibrée de coupe de graphe.
- Exécution d'un compactage intelligent de la mémoire pour conserver le contexte le plus précieux dans les limites de Token.
- Mise en œuvre d'une récupération de mémoire sensible à la synergie qui surpasse les recherches de similarité Top-K standard.
- Analyse comparative de la précision de la sélection de mémoire quantique par rapport aux algorithmes classiques au sein des pipelines Openclaw Skills.
- Automatisation de la soumission de circuits quantiques au matériel IBM Quantum pour des tâches de mémoire d'agent du monde réel.
Comment fonctionne Quantum Agent Memory
- Le système ingère les données de mémoire et génère une matrice de coûts basée sur des facteurs temporels, relationnels, catégoriels et de récence.
- La couche de Clustering applique le QAOA pour regrouper les mémoires en clusters cohérents basés sur la matrice de coûts.
- La couche de Compactage sélectionne les K-mémoires optimales à partir d'un ensemble plus large pour maximiser la cohérence et la couverture, tout en pénalisant les dépassements de budget.
- La couche de Récupération identifie la meilleure combinaison de mémoires pour une requête spécifique en optimisant la pertinence individuelle et la synergie par paire.
- Les résultats traités sont livrés via un serveur FastAPI ou intégrés dans un flux de travail d'agent via les interfaces Openclaw Skills standard.
Configuration de Quantum Agent Memory
Pour intégrer cet outil puissant de la collection Openclaw Skills dans votre environnement, suivez ces étapes d'installation :
git clone https://github.com/Dustin-a11y/quantum-agent-memory.git
cd quantum-agent-memory
python3 -m venv venv && source venv/bin/activate
pip install -r requirements.txt
python -m quantum_agent_memory benchmark
Pour les utilisateurs souhaitant utiliser du matériel IBM Quantum réel, une configuration supplémentaire est requise :
pip install qiskit-ibm-runtime
python -m quantum_agent_memory submit --ibm-token YOUR_TOKEN
Schéma de données et taxonomie de Quantum Agent Memory
Cette compétence gère les données via un schéma multicouche conçu pour une intégration profonde avec les flux de travail Openclaw Skills :
| Composant | Objectif | Métadonnées clés |
|---|---|---|
| Clusters de mémoire | Organisation des points de données associés | Récence, poids de catégorie, force relationnelle |
| Ensembles de compactage | Mémoire élaguée pour l'efficacité des Token | Score de cohérence, densité de valeur, pourcentage de couverture |
| Synergie de récupération | Logique de récupération multi-mémoire | Synergie par paire, indice de diversité, pertinence |
| Journaux de performance | Analyse comparative | Delta quantique vs classique, profondeur du circuit, temps d'exécution |
Toutes les données de sortie sont exportées sous forme de fichiers JSON structurés dans le répertoire results/ pour une analyse facile.
Fonctionnalités avancées de Quantum Agent Memory
- Compatibilité totale avec Mem0 pour gérer les flux de mémoire d'agent en direct.
- Implémentation de serveur FastAPI pour l'optimisation quantique à distance via les endpoints quantum-recall et quantum-compact.
- Planification automatisée pour les travaux matériels IBM Quantum via des scripts cron spécialisés.
- Prise en charge native du plugin OpenClaw mem0-bridge, facilitant une intégration transparente avec Openclaw Skills.
- Suite d'analyse comparative détaillée fournissant des preuves statistiques des avantages de l'optimisation quantique par rapport aux méthodes de sélection gloutonnes.
SKILL.md
Chargement
Compétences Openclaw associées
X Ads CLI
Une interface en ligne de commande en lecture seule pour interroger l'API X Ads v12 afin d'analyser les performances des campagnes et la structure du compte.
Chef de Cabinet Exécutif
Un chef de cabinet assisté par IA, conçu pour optimiser la prise de décision exécutive via des briefings automatisés, la préparation aux réunions et la collecte stratégique d'informations.
Opérations de santé et cliniques
Un assistant opérationnel alimenté par IA conçu pour gérer la prise de rendez-vous des patients, les dossiers médicaux et les flux de travail cliniques pour les établissements de santé.
Compétence Gouvernement & Secteur Public
Une compétence d'automatisation complète permettant aux ministères gouvernementaux et aux institutions publiques de gérer la documentation formelle, le reporting et la communication interdépartementale.
Feishu Notifier Core
Un pont léger et sécurisé pour envoyer des notifications automatisées à Feishu (Lark) via Openclaw Skills.
Spotify Ads CLI
Un outil CLI en lecture seule pour l'API Spotify Ads (v3) permettant des rapports approfondis, l'estimation d'audience et l'analyse de campagnes.
En vedette*
