這是一個量子優化記憶體框架，使用 QAOA 為 AI agents 解決分群、壓縮與基於協同效應的召回問題。
安裝與下載
1. ClawHub CLI
從來源直接安裝技能的最快方式。
npx clawhub@latest install quantum-agent-memory
2. 手動安裝
將技能資料夾複製到以下位置之一
~/.openclaw/skills/ <project>/skills/ 優先級：工作區 > 本地 > 內建
3. 提示詞安裝
將此提示詞複製到 OpenClaw 即可自動安裝。
請幫我使用 Clawhub 安裝 quantum-agent-memory。如果尚未安裝 Clawhub，請先安裝（npm i -g clawhub）。
想要直接下載？
取得包含原生技能檔案的ZIP壓縮檔。
什麼是 Quantum Agent Memory？
Quantum Agent Memory 是一個高效能優化層，旨在增強自主 agents 的記憶體管理能力。透過 Qiskit 利用量子近似優化演算法 (QAOA)，該工具為管理複雜資料關係提供了一種比傳統啟發式方法更強大的替代方案。作為 Openclaw Skills 的進階補充，它使開發人員能夠實現量子增強的分群、壓縮與召回策略，從而顯著提高上下文保留能力。
該技能透過考慮檢索到的記憶體之間的協同效應，而不僅僅是依賴單個相似度分數，解決了傳統向量搜尋的局限性。這確保了由 Openclaw Skills 驅動的 agents 無論是在本機模擬器還是實際的 IBM Quantum 硬體處理器上執行，都能保持更連貫、更相關的長期記憶。
Quantum Agent Memory 應用場景
- 使用平衡圖切割優化將大量記憶體分組為邏輯叢集。
- 執行智慧記憶體壓縮，以在 Token 限制內保留最有價值的上下文。
- 實現優於標準 Top-K 相似度搜尋的協同感知記憶體召回。
- 在 Openclaw Skills 管線中對照傳統演算法評估量子記憶體選擇的準確性。
- 自動向 IBM Quantum 硬體提交量子電路，用於實際的 agent 記憶體任務。
Quantum Agent Memory 運作原理
- 系統攝取記憶體資料，並基於時間、關係、類別與最近性因素產生成本矩陣。
- 分群層應用 QAOA，根據成本矩陣將記憶體分組為連貫的叢集。
- 壓縮層從較大的集合中選擇最優的 K 個記憶體，以最大化連貫性與覆蓋率，同時懲罰超出預算的情況。
- 召回層透過優化個體相關性與成對協同效應，為特定查詢識別最佳記憶體組合。
- 處理後的結果透過 FastAPI 伺服器交付，或透過標準的 Openclaw Skills 介面整合到 agent 工作流中。
Quantum Agent Memory 設定指南
要將 Openclaw Skills 集合中的此強大工具整合到您的環境中，請依照以下安裝步驟操作：
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
對於打算使用實際 IBM Quantum 硬體的使用者，需要額外設定：
pip install qiskit-ibm-runtime
python -m quantum_agent_memory submit --ibm-token YOUR_TOKEN
Quantum Agent Memory 資料結構與分類體系
該技能透過多層架構管理資料，旨在與 Openclaw Skills 工作流深度整合：
| 元件 | 用途 | 關鍵元資料 |
|---|---|---|
| 記憶體叢集 | 組織相關資料點 | 最近性、類別權重、關係強度 |
| 壓縮集 | 用於 Token 效率的修剪記憶體 | 連貫性分數、價值密度、覆蓋率 |
| 召回協同 | 多記憶體檢索邏輯 | 成對協同效應、多樣性指數、相關性 |
| 效能日誌 | 比較分析 | 量子與傳統差異、電路深度、執行時間 |
所有輸出資料均以結構化 JSON 檔案匯出到 results/ 目錄中，以便於解析。
Quantum Agent Memory 進階特性
- 與 Mem0 完全相容，用於管理即時 agent 記憶體串流。
- 實作 FastAPI 伺服器，用於透過 quantum-recall 與 quantum-compact 端點進行遠端量子優化。
- 透過專用 cron 指令碼為 IBM Quantum 硬體作業實作自動排程。
- 原生支援 OpenClaw mem0-bridge 外掛程式，促進無縫的 Openclaw Skills 整合。
- 提供詳細的基準測試套件，提供相對於貪婪選擇方法的量子優化優勢的統計證明。
SKILL.md
加載中
Openclaw 相關技能
Feishu Notifier Core
一個輕量、安全的橋接器，用於透過 Openclaw Skills 向 Feishu (Lark) 發送自動化通知。
精選*
