🧠 memory-lancedb-pro · 🦞OpenClaw Plugin

Assistant Mémoire IA pour les Agents OpenClaw

Donnez à votre agent IA un cerveau qui se souvient vraiment — entre les sessions, entre les agents, dans le temps.

Un plugin de mémoire long terme pour OpenClaw basé sur LanceDB qui stocke les préférences, les décisions et le contexte du projet, puis les rappelle automatiquement dans les sessions futures.

Pourquoi memory-lancedb-pro ?

La plupart des agents IA souffrent d'amnésie. Ils oublient tout dès que vous démarrez une nouvelle conversation.

memory-lancedb-pro est un plugin de mémoire long terme de niveau production pour OpenClaw qui transforme votre agent en un véritable Assistant Mémoire IA — il capture automatiquement ce qui compte, laisse le bruit s'estomper naturellement et retrouve le bon souvenir au bon moment. Pas d'étiquetage manuel, pas de configuration compliquée.

Votre Assistant Mémoire IA en action

Sans mémoire — chaque session repart de zéro :

Vous : « Utilise des tabulations pour l'indentation, ajoute toujours la gestion d'erreurs. » (session suivante) Vous : « Je t'ai déjà dit — des tabulations, pas des espaces ! » 😤 (session suivante) Vous : « …sérieusement, des tabulations. Et la gestion d'erreurs. Encore. »

Avec memory-lancedb-pro — votre agent apprend et se souvient :

Vous : « Utilise des tabulations pour l'indentation, ajoute toujours la gestion d'erreurs. » (session suivante — l'agent rappelle automatiquement vos préférences) Agent : (applique silencieusement tabulations + gestion d'erreurs) ✅ Vous : « Pourquoi avons-nous choisi PostgreSQL plutôt que MongoDB le mois dernier ? » Agent : « Selon notre discussion du 12 février, les raisons principales étaient… » ✅

Voilà la différence que fait un Assistant Mémoire IA — il apprend votre style, rappelle les décisions passées et fournit des réponses personnalisées sans que vous ayez à vous répéter.

Que peut-il faire d'autre ?

	Ce que vous obtenez
Capture automatique	Votre agent apprend de chaque conversation — pas besoin de `memory_store` manuel
Extraction intelligente	Classification LLM en 6 catégories : profils, préférences, entités, événements, cas, patterns
Oubli intelligent	Modèle de décroissance Weibull — les souvenirs importants restent, le bruit s'estompe
Recherche hybride	Recherche vectorielle + BM25 plein texte, fusionnée avec un reranking cross-encoder
Injection de contexte	Les souvenirs pertinents remontent automatiquement avant chaque réponse
Isolation multi-scope	Limites mémoire par agent, par utilisateur, par projet
Tout fournisseur	OpenAI, Jina, Gemini, Ollama ou toute API compatible OpenAI
Boîte à outils complète	CLI, sauvegarde, migration, mise à niveau, export/import — prêt pour la production

Démarrage rapide

Option A : Script d'installation en un clic (recommandé)

Le script d'installation maintenu par la communauté gère l'installation, la mise à niveau et la réparation en une seule commande :

curl -fsSL https://raw.githubusercontent.com/CortexReach/toolbox/main/memory-lancedb-pro-setup/setup-memory.sh -o setup-memory.sh
bash setup-memory.sh

Consultez Écosystème ci-dessous pour la liste complète des scénarios couverts et les autres outils communautaires.

Option B : Installation manuelle

Via OpenClaw CLI (recommandé) :

openclaw plugins install memory-lancedb-pro@beta

Ou via npm :

npm i memory-lancedb-pro@beta

Si vous utilisez npm, vous devrez également ajouter le répertoire d'installation du plugin comme chemin absolu dans plugins.load.paths de votre openclaw.json. C'est le problème de configuration le plus courant.

Ajoutez à votre openclaw.json :

{
  "plugins": {
    "slots": { "memory": "memory-lancedb-pro" },
    "entries": {
      "memory-lancedb-pro": {
        "enabled": true,
        "config": {
          "embedding": {
            "provider": "openai-compatible",
            "apiKey": "${OPENAI_API_KEY}",
            "model": "text-embedding-3-small"
          },
          "autoCapture": true,
          "autoRecall": true,
          "smartExtraction": true,
          "extractMinMessages": 2,
          "extractMaxChars": 8000,
          "sessionMemory": { "enabled": false }
        }
      }
    }
  }
}

Pourquoi ces valeurs par défaut ?

autoCapture + smartExtraction → votre agent apprend automatiquement de chaque conversation
autoRecall → les souvenirs pertinents sont injectés avant chaque réponse
extractMinMessages: 2 → l'extraction se déclenche dans les conversations normales à deux tours
sessionMemory.enabled: false → évite de polluer la recherche avec des résumés de session au début

Validez et redémarrez :

openclaw config validate
openclaw gateway restart
openclaw logs --follow --plain | grep "memory-lancedb-pro"

Vous devriez voir :

memory-lancedb-pro: smart extraction enabled
memory-lancedb-pro@...: plugin registered

Terminé ! Votre agent dispose maintenant d'une mémoire long terme.

Plus de chemins d'installation (utilisateurs existants, mises à niveau)

Déjà utilisateur d'OpenClaw ?

Ajoutez le plugin avec un chemin absolu dans plugins.load.paths
Liez le slot mémoire : plugins.slots.memory = "memory-lancedb-pro"
Vérifiez : openclaw plugins info memory-lancedb-pro && openclaw memory-pro stats

Mise à niveau depuis une version antérieure à v1.1.0 ?

# 1) Sauvegarde
openclaw memory-pro export --scope global --output memories-backup.json
# 2) Simulation
openclaw memory-pro upgrade --dry-run
# 3) Exécution de la mise à niveau
openclaw memory-pro upgrade
# 4) Vérification
openclaw memory-pro stats

Consultez CHANGELOG-v1.1.0.md pour les changements de comportement et la justification de la mise à niveau.

Import rapide Telegram Bot (cliquez pour développer)

Si vous utilisez l'intégration Telegram d'OpenClaw, le plus simple est d'envoyer une commande d'import directement au Bot principal au lieu de modifier manuellement la configuration.

Envoyez ce message :

Help me connect this memory plugin with the most user-friendly configuration: https://github.com/CortexReach/memory-lancedb-pro

Requirements:
1. Set it as the only active memory plugin
2. Use Jina for embedding
3. Use Jina for reranker
4. Use gpt-4o-mini for the smart-extraction LLM
5. Enable autoCapture, autoRecall, smartExtraction
6. extractMinMessages=2
7. sessionMemory.enabled=false
8. captureAssistant=false
9. retrieval mode=hybrid, vectorWeight=0.7, bm25Weight=0.3
10. rerank=cross-encoder, candidatePoolSize=12, minScore=0.6, hardMinScore=0.62
11. Generate the final openclaw.json config directly, not just an explanation

Écosystème

memory-lancedb-pro est le plugin principal. La communauté a construit des outils autour pour faciliter l'installation et l'utilisation quotidienne :

Script d'installation — Installation, mise à niveau et réparation en un clic

CortexReach/toolbox/memory-lancedb-pro-setup

Pas un simple installateur — le script gère intelligemment de nombreux scénarios réels :

Votre situation	Ce que fait le script
Jamais installé	Téléchargement → installation des dépendances → choix de la config → écriture dans openclaw.json → redémarrage
Installé via `git clone`, bloqué sur un ancien commit	`git fetch` + `checkout` automatique vers la dernière version → réinstallation des dépendances → vérification
La config contient des champs invalides	Détection automatique via filtre de schéma, suppression des champs non supportés
Installé via `npm`	Saute la mise à jour git, rappelle d'exécuter `npm update` soi-même
CLI `openclaw` cassé à cause d'une config invalide	Solution de repli : lecture directe du chemin workspace depuis le fichier `openclaw.json`
`extensions/` au lieu de `plugins/`	Détection automatique de l'emplacement du plugin depuis la config ou le système de fichiers
Déjà à jour	Exécution des vérifications de santé uniquement, aucune modification

bash setup-memory.sh                    # Installer ou mettre à niveau
bash setup-memory.sh --dry-run          # Aperçu uniquement
bash setup-memory.sh --beta             # Inclure les versions pré-release
bash setup-memory.sh --uninstall        # Restaurer la config et supprimer le plugin

Presets de fournisseurs intégrés : Jina / DashScope / SiliconFlow / OpenAI / Ollama, ou apportez votre propre API compatible OpenAI. Pour l'utilisation complète (incluant --ref, --selfcheck-only, etc.), consultez le README du script d'installation.

Claude Code / OpenClaw Skill — Configuration guidée par IA

CortexReach/memory-lancedb-pro-skill

Installez ce Skill et votre agent IA (Claude Code ou OpenClaw) acquiert une connaissance approfondie de toutes les fonctionnalités de memory-lancedb-pro. Dites simplement « aide-moi à activer la meilleure config » et obtenez :

Workflow de configuration guidé en 7 étapes avec 4 plans de déploiement :
- Full Power (Jina + OpenAI) / Budget (reranker SiliconFlow gratuit) / Simple (OpenAI uniquement) / Entièrement local (Ollama, zéro coût API)
Les 9 outils MCP utilisés correctement : memory_recall, memory_store, memory_forget, memory_update, memory_stats, memory_list, self_improvement_log, self_improvement_extract_skill, self_improvement_review (l'ensemble complet nécessite enableManagementTools: true — la config Quick Start par défaut expose les 4 outils principaux)
Évitement des pièges courants : activation du plugin workspace, autoRecall par défaut à false, cache jiti, variables d'environnement, isolation des scopes, etc.

Installation pour Claude Code :

git clone https://github.com/CortexReach/memory-lancedb-pro-skill.git ~/.claude/skills/memory-lancedb-pro

Installation pour OpenClaw :

git clone https://github.com/CortexReach/memory-lancedb-pro-skill.git ~/.openclaw/workspace/skills/memory-lancedb-pro-skill

Tutoriel vidéo

Présentation complète : installation, configuration et fonctionnement interne de la recherche hybride.

https://youtu.be/MtukF1C8epQ

https://www.bilibili.com/video/BV1zUf2BGEgn/

Architecture

┌─────────────────────────────────────────────────────────┐
│                   index.ts (Point d'entrée)             │
│  Enregistrement du plugin · Parsing config · Hooks      │
└────────┬──────────┬──────────┬──────────┬───────────────┘
         │          │          │          │
    ┌────▼───┐ ┌────▼───┐ ┌───▼────┐ ┌──▼──────────┐
    │ store  │ │embedder│ │retriever│ │   scopes    │
    │ .ts    │ │ .ts    │ │ .ts    │ │    .ts      │
    └────────┘ └────────┘ └────────┘ └─────────────┘
         │                     │
    ┌────▼───┐           ┌─────▼──────────┐
    │migrate │           │noise-filter.ts │
    │ .ts    │           │adaptive-       │
    └────────┘           │retrieval.ts    │
                         └────────────────┘
    ┌─────────────┐   ┌──────────┐
    │  tools.ts   │   │  cli.ts  │
    │ (API Agent) │   │ (CLI)    │
    └─────────────┘   └──────────┘

Pour une analyse approfondie de l'architecture complète, consultez docs/memory_architecture_analysis.md.

Référence des fichiers (cliquez pour développer)

Fichier	Rôle
`index.ts`	Point d'entrée du plugin. S'enregistre auprès de l'API Plugin OpenClaw, parse la config, monte les hooks de cycle de vie
`openclaw.plugin.json`	Métadonnées du plugin + déclaration complète du JSON Schema de config
`cli.ts`	Commandes CLI : `memory-pro list/search/stats/delete/delete-bulk/export/import/reembed/upgrade/migrate`
`src/store.ts`	Couche de stockage LanceDB. Création de tables / Indexation FTS / Recherche vectorielle / Recherche BM25 / CRUD
`src/embedder.ts`	Abstraction d'embedding. Compatible avec tout fournisseur API compatible OpenAI
`src/retriever.ts`	Moteur de recherche hybride. Vectoriel + BM25 → Fusion hybride → Rerank → Décroissance cycle de vie → Filtre
`src/scopes.ts`	Contrôle d'accès multi-scope
`src/tools.ts`	Définitions des outils agent : `memory_recall`, `memory_store`, `memory_forget`, `memory_update` + outils de gestion
`src/noise-filter.ts`	Filtre les refus d'agent, les méta-questions, les salutations et le contenu de faible qualité
`src/adaptive-retrieval.ts`	Détermine si une requête nécessite une recherche en mémoire
`src/migrate.ts`	Migration depuis `memory-lancedb` intégré vers Pro
`src/smart-extractor.ts`	Extraction LLM en 6 catégories avec stockage L0/L1/L2 et déduplication en deux étapes
`src/decay-engine.ts`	Modèle de décroissance exponentielle étirée Weibull
`src/tier-manager.ts`	Promotion/rétrogradation à trois niveaux : Périphérique ↔ Travail ↔ Noyau

Fonctionnalités principales

Recherche hybride

Requête → embedQuery() ─┐
                         ├─→ Fusion hybride → Rerank → Boost décroissance → Normalisation longueur → Filtre
Requête → BM25 FTS ─────┘

Recherche vectorielle — similarité sémantique via LanceDB ANN (distance cosinus)
Recherche plein texte BM25 — correspondance exacte de mots-clés via l'index FTS de LanceDB
Fusion hybride — score vectoriel comme base, les résultats BM25 reçoivent un boost pondéré (pas du RRF standard — optimisé pour la qualité de rappel réelle)
Poids configurables — vectorWeight, bm25Weight, minScore

Reranking Cross-Encoder

Adaptateurs intégrés pour Jina, SiliconFlow, Voyage AI et Pinecone
Compatible avec tout endpoint compatible Jina (ex. Hugging Face TEI, DashScope)
Scoring hybride : 60% cross-encoder + 40% score fusionné original
Dégradation gracieuse : repli sur la similarité cosinus en cas d'échec API

Pipeline de scoring multi-étapes

Étape	Effet
Fusion hybride	Combine rappel sémantique et correspondance exacte
Rerank Cross-Encoder	Promeut les résultats sémantiquement précis
Boost décroissance cycle de vie	Fraîcheur Weibull + fréquence d'accès + importance × confiance
Normalisation de longueur	Empêche les entrées longues de dominer (ancre : 500 caractères)
Score minimum dur	Supprime les résultats non pertinents (par défaut : 0.35)
Diversité MMR	Similarité cosinus > 0.85 → rétrogradé

Extraction mémoire intelligente (v1.1.0)

Extraction LLM en 6 catégories : profil, préférences, entités, événements, cas, patterns
Stockage par couches L0/L1/L2 : L0 (index en une phrase) → L1 (résumé structuré) → L2 (récit complet)
Déduplication en deux étapes : pré-filtre de similarité vectorielle (≥0.7) → décision sémantique LLM (CREATE/MERGE/SKIP)
Fusion sensible aux catégories : profile fusionne toujours, events/cases en ajout uniquement

Gestion du cycle de vie mémoire (v1.1.0)

Moteur de décroissance Weibull : score composite = fraîcheur + fréquence + valeur intrinsèque
Promotion à trois niveaux : Périphérique ↔ Travail ↔ Noyau avec seuils configurables
Renforcement par accès : les souvenirs fréquemment rappelés décroissent plus lentement (style répétition espacée)
Demi-vie modulée par l'importance : les souvenirs importants décroissent plus lentement

Isolation multi-scope

Scopes intégrés : global, agent:<id>, custom:<name>, project:<id>, user:<id>
Contrôle d'accès au niveau agent via scopes.agentAccess
Par défaut : chaque agent accède à global + son propre scope agent:<id>

Capture automatique et rappel automatique

Capture auto (agent_end) : extrait préférences/faits/décisions/entités des conversations, déduplique, stocke jusqu'à 3 par tour
Rappel auto (before_agent_start) : injecte le contexte <relevant-memories> (jusqu'à 3 entrées)

Filtrage du bruit et recherche adaptative

Filtre le contenu de faible qualité : refus d'agent, méta-questions, salutations
Ignore la recherche pour : salutations, commandes slash, confirmations simples, emoji
Force la recherche pour les mots-clés mémoire (« souviens-toi », « précédemment », « la dernière fois »)
Seuils CJK (chinois : 6 caractères vs anglais : 15 caractères)

Comparaison avec memory-lancedb intégré (cliquez pour développer)

Fonctionnalité	`memory-lancedb` intégré	memory-lancedb-pro
Recherche vectorielle	Oui	Oui
Recherche plein texte BM25	-	Oui
Fusion hybride (Vectoriel + BM25)	-	Oui
Rerank cross-encoder (multi-fournisseur)	-	Oui
Boost de fraîcheur et décroissance temporelle	-	Oui
Normalisation de longueur	-	Oui
Diversité MMR	-	Oui
Isolation multi-scope	-	Oui
Filtrage du bruit	-	Oui
Recherche adaptative	-	Oui
CLI de gestion	-	Oui
Mémoire de session	-	Oui
Embeddings sensibles aux tâches	-	Oui
Extraction intelligente LLM (6 catégories)	-	Oui (v1.1.0)
Décroissance Weibull + Promotion par niveaux	-	Oui (v1.1.0)
Tout embedding compatible OpenAI	Limité	Oui

Configuration

Exemple de configuration complète

{
  "embedding": {
    "apiKey": "${JINA_API_KEY}",
    "model": "jina-embeddings-v5-text-small",
    "baseURL": "https://api.jina.ai/v1",
    "dimensions": 1024,
    "taskQuery": "retrieval.query",
    "taskPassage": "retrieval.passage",
    "normalized": true
  },
  "dbPath": "~/.openclaw/memory/lancedb-pro",
  "autoCapture": true,
  "autoRecall": true,
  "retrieval": {
    "mode": "hybrid",
    "vectorWeight": 0.7,
    "bm25Weight": 0.3,
    "minScore": 0.3,
    "rerank": "cross-encoder",
    "rerankApiKey": "${JINA_API_KEY}",
    "rerankModel": "jina-reranker-v3",
    "rerankEndpoint": "https://api.jina.ai/v1/rerank",
    "rerankProvider": "jina",
    "candidatePoolSize": 20,
    "recencyHalfLifeDays": 14,
    "recencyWeight": 0.1,
    "filterNoise": true,
    "lengthNormAnchor": 500,
    "hardMinScore": 0.35,
    "timeDecayHalfLifeDays": 60,
    "reinforcementFactor": 0.5,
    "maxHalfLifeMultiplier": 3
  },
  "enableManagementTools": false,
  "scopes": {
    "default": "global",
    "definitions": {
      "global": { "description": "Shared knowledge" },
      "agent:discord-bot": { "description": "Discord bot private" }
    },
    "agentAccess": {
      "discord-bot": ["global", "agent:discord-bot"]
    }
  },
  "sessionMemory": {
    "enabled": false,
    "messageCount": 15
  },
  "smartExtraction": true,
  "llm": {
    "apiKey": "${OPENAI_API_KEY}",
    "model": "gpt-4o-mini",
    "baseURL": "https://api.openai.com/v1"
  },
  "extractMinMessages": 2,
  "extractMaxChars": 8000
}

Fournisseurs d'embedding

Fonctionne avec toute API d'embedding compatible OpenAI :

Fournisseur	Modèle	Base URL	Dimensions
Jina (recommandé)	`jina-embeddings-v5-text-small`	`https://api.jina.ai/v1`	1024
OpenAI	`text-embedding-3-small`	`https://api.openai.com/v1`	1536
Voyage	`voyage-4-lite` / `voyage-4`	`https://api.voyageai.com/v1`	1024 / 1024
Google Gemini	`gemini-embedding-001`	`https://generativelanguage.googleapis.com/v1beta/openai/`	3072
Ollama (local)	`nomic-embed-text`	`http://localhost:11434/v1`	selon le modèle

Fournisseurs de reranking

Le reranking cross-encoder supporte plusieurs fournisseurs via rerankProvider :

Fournisseur	`rerankProvider`	Modèle exemple
Jina (par défaut)	`jina`	`jina-reranker-v3`
SiliconFlow (niveau gratuit disponible)	`siliconflow`	`BAAI/bge-reranker-v2-m3`
Voyage AI	`voyage`	`rerank-2.5`
Pinecone	`pinecone`	`bge-reranker-v2-m3`

Tout endpoint de reranking compatible Jina fonctionne également — définissez rerankProvider: "jina" et pointez rerankEndpoint vers votre service (ex. Hugging Face TEI, DashScope qwen3-rerank).

Extraction intelligente (LLM) — v1.1.0

Quand smartExtraction est activé (par défaut : true), le plugin utilise un LLM pour extraire et classifier intelligemment les souvenirs au lieu de déclencheurs basés sur des regex.

Champ	Type	Défaut	Description
`smartExtraction`	boolean	`true`	Activer/désactiver l'extraction LLM en 6 catégories
`llm.auth`	string	`api-key`	`api-key` utilise `llm.apiKey` / `embedding.apiKey` ; `oauth` utilise un fichier token OAuth au niveau plugin
`llm.apiKey`	string	(repli sur `embedding.apiKey`)	Clé API pour le fournisseur LLM
`llm.model`	string	`openai/gpt-oss-120b`	Nom du modèle LLM
`llm.baseURL`	string	(repli sur `embedding.baseURL`)	Point de terminaison API LLM
`llm.oauthProvider`	string	`openai-codex`	ID du fournisseur OAuth utilisé quand `llm.auth` est `oauth`
`llm.oauthPath`	string	`~/.openclaw/.memory-lancedb-pro/oauth.json`	Fichier token OAuth utilisé quand `llm.auth` est `oauth`
`llm.timeoutMs`	number	`30000`	Timeout des requêtes LLM en millisecondes
`extractMinMessages`	number	`2`	Nombre minimum de messages avant le déclenchement de l'extraction
`extractMaxChars`	number	`8000`	Nombre maximum de caractères envoyés au LLM

OAuth llm config (utiliser le cache de connexion Codex / ChatGPT existant pour les appels LLM) :

{
  "llm": {
    "auth": "oauth",
    "oauthProvider": "openai-codex",
    "model": "gpt-5.4",
    "oauthPath": "${HOME}/.openclaw/.memory-lancedb-pro/oauth.json",
    "timeoutMs": 30000
  }
}

Notes pour llm.auth: "oauth" :

llm.oauthProvider est actuellement openai-codex.
Les tokens OAuth sont stockés par défaut dans ~/.openclaw/.memory-lancedb-pro/oauth.json.
Vous pouvez définir llm.oauthPath si vous souhaitez stocker ce fichier ailleurs.
auth login sauvegarde la configuration llm api-key précédente à côté du fichier OAuth, et auth logout restaure cette sauvegarde lorsqu'elle est disponible.
Passer de api-key à oauth ne transfère pas automatiquement llm.baseURL. Définissez-le manuellement en mode OAuth uniquement si vous souhaitez intentionnellement un backend personnalisé compatible ChatGPT/Codex.

Configuration du cycle de vie (Décroissance + Niveaux)

Champ	Défaut	Description
`decay.recencyHalfLifeDays`	`30`	Demi-vie de base pour la décroissance Weibull
`decay.frequencyWeight`	`0.3`	Poids de la fréquence d'accès dans le score composite
`decay.intrinsicWeight`	`0.3`	Poids de `importance × confiance`
`decay.betaCore`	`0.8`	Beta Weibull pour les souvenirs `noyau`
`decay.betaWorking`	`1.0`	Beta Weibull pour les souvenirs `travail`
`decay.betaPeripheral`	`1.3`	Beta Weibull pour les souvenirs `périphériques`
`tier.coreAccessThreshold`	`10`	Nombre minimum de rappels avant promotion en `noyau`
`tier.peripheralAgeDays`	`60`	Seuil d'âge pour la rétrogradation des souvenirs obsolètes

Renforcement par accès

Les souvenirs fréquemment rappelés décroissent plus lentement (style répétition espacée).

Clés de config (sous retrieval) :

reinforcementFactor (0-2, défaut : 0.5) — mettre à 0 pour désactiver
maxHalfLifeMultiplier (1-10, défaut : 3) — plafond de la demi-vie effective

Commandes CLI

openclaw memory-pro list [--scope global] [--category fact] [--limit 20] [--json]
openclaw memory-pro search "requête" [--scope global] [--limit 10] [--json]
openclaw memory-pro stats [--scope global] [--json]
openclaw memory-pro auth login [--provider openai-codex] [--model gpt-5.4] [--oauth-path /abs/path/oauth.json]
openclaw memory-pro auth status
openclaw memory-pro auth logout
openclaw memory-pro delete <id>
openclaw memory-pro delete-bulk --scope global [--before 2025-01-01] [--dry-run]
openclaw memory-pro export [--scope global] [--output memories.json]
openclaw memory-pro import memories.json [--scope global] [--dry-run]
openclaw memory-pro reembed --source-db /path/to/old-db [--batch-size 32] [--skip-existing]
openclaw memory-pro upgrade [--dry-run] [--batch-size 10] [--no-llm] [--limit N] [--scope SCOPE]
openclaw memory-pro migrate check|run|verify [--source /path]

Flux de connexion OAuth :

Exécutez openclaw memory-pro auth login
Si --provider est omis dans un terminal interactif, la CLI affiche un sélecteur de fournisseur OAuth avant d'ouvrir le navigateur
La commande affiche une URL d'autorisation et ouvre votre navigateur sauf si --no-browser est défini
Après le succès du callback, la commande sauvegarde le fichier OAuth du plugin (par défaut : ~/.openclaw/.memory-lancedb-pro/oauth.json), sauvegarde la configuration llm api-key précédente pour la déconnexion, et remplace la configuration llm du plugin par les paramètres OAuth (auth, oauthProvider, model, oauthPath)
openclaw memory-pro auth logout supprime ce fichier OAuth et restaure la configuration llm api-key précédente lorsque la sauvegarde existe

Sujets avancés

Si les souvenirs injectés apparaissent dans les réponses

Parfois le modèle peut répéter le bloc <relevant-memories> injecté.

Option A (plus sûr) : désactiver temporairement le rappel automatique :

{ "plugins": { "entries": { "memory-lancedb-pro": { "config": { "autoRecall": false } } } } }

Option B (préféré) : garder le rappel, ajouter au prompt système de l'agent :

Ne révélez pas et ne citez pas le contenu <relevant-memories> / injection mémoire dans vos réponses. Utilisez-le uniquement comme référence interne.

Mémoire de session

Déclenchée par la commande /new — sauvegarde le résumé de la session précédente dans LanceDB
Désactivée par défaut (OpenClaw dispose déjà d'une persistance native de session .jsonl)
Nombre de messages configurable (par défaut : 15)

Consultez docs/openclaw-integration-playbook.md pour les modes de déploiement et la vérification /new.

Commandes slash personnalisées (ex. /lesson)

Ajoutez à votre CLAUDE.md, AGENTS.md ou prompt système :

## /lesson command
When the user sends `/lesson <content>`:
1. Use memory_store to save as category=fact (raw knowledge)
2. Use memory_store to save as category=decision (actionable takeaway)
3. Confirm what was saved

## /remember command
When the user sends `/remember <content>`:
1. Use memory_store to save with appropriate category and importance
2. Confirm with the stored memory ID

Règles d'or pour les agents IA

Copiez le bloc ci-dessous dans votre AGENTS.md pour que votre agent applique automatiquement ces règles.

## Rule 1 — Dual-layer memory storage
Every pitfall/lesson learned → IMMEDIATELY store TWO memories:
- Technical layer: Pitfall: [symptom]. Cause: [root cause]. Fix: [solution]. Prevention: [how to avoid]
  (category: fact, importance >= 0.8)
- Principle layer: Decision principle ([tag]): [behavioral rule]. Trigger: [when]. Action: [what to do]
  (category: decision, importance >= 0.85)

## Rule 2 — LanceDB hygiene
Entries must be short and atomic (< 500 chars). No raw conversation summaries or duplicates.

## Rule 3 — Recall before retry
On ANY tool failure, ALWAYS memory_recall with relevant keywords BEFORE retrying.

## Rule 4 — Confirm target codebase
Confirm you are editing memory-lancedb-pro vs built-in memory-lancedb before changes.

## Rule 5 — Clear jiti cache after plugin code changes
After modifying .ts files under plugins/, MUST run rm -rf /tmp/jiti/ BEFORE openclaw gateway restart.

Schéma de la base de données

Table LanceDB memories :

Champ	Type	Description
`id`	string (UUID)	Clé primaire
`text`	string	Texte du souvenir (indexé FTS)
`vector`	float[]	Vecteur d'embedding
`category`	string	Catégorie de stockage : `preference` / `fact` / `decision` / `entity` / `reflection` / `other`
`scope`	string	Identifiant de scope (ex. `global`, `agent:main`)
`importance`	float	Score d'importance 0-1
`timestamp`	int64	Horodatage de création (ms)
`metadata`	string (JSON)	Métadonnées étendues

Clés metadata courantes en v1.1.0 : l0_abstract, l1_overview, l2_content, memory_category, tier, access_count, confidence, last_accessed_at

Note sur les catégories : Le champ category de niveau supérieur utilise 6 catégories de stockage. Les 6 labels sémantiques de l'Extraction Intelligente (profile / preferences / entities / events / cases / patterns) sont stockés dans metadata.memory_category.

Dépannage

"Cannot mix BigInt and other types" (LanceDB / Apache Arrow)

Avec LanceDB 0.26+, certaines colonnes numériques peuvent être retournées en BigInt. Mettez à niveau vers memory-lancedb-pro >= 1.0.14 — ce plugin convertit maintenant les valeurs avec Number(...) avant les opérations arithmétiques.

Documentation

Document	Description
Playbook d'intégration OpenClaw	Modes de déploiement, vérification, matrice de régression
Analyse de l'architecture mémoire	Analyse approfondie de l'architecture complète
CHANGELOG v1.1.0	Changements de comportement v1.1.0 et justification de la mise à niveau
Chunking long contexte	Stratégie de chunking pour les longs documents

Beta : Smart Memory v1.1.0

Statut : Beta — disponible via npm i memory-lancedb-pro@beta. Les utilisateurs stables sur latest ne sont pas affectés.

Fonctionnalité	Description
Extraction intelligente	Extraction LLM en 6 catégories avec métadonnées L0/L1/L2. Repli sur regex si désactivé.
Scoring du cycle de vie	Décroissance Weibull intégrée à la recherche — les souvenirs fréquents et importants sont mieux classés.
Gestion des niveaux	Système à trois niveaux (Noyau → Travail → Périphérique) avec promotion/rétrogradation automatique.

Retours : GitHub Issues · Retour en arrière : npm i memory-lancedb-pro@latest

Dépendances

Package	Rôle
`@lancedb/lancedb` ≥0.26.2	Base de données vectorielle (ANN + FTS)
`openai` ≥6.21.0	Client API d'embedding compatible OpenAI
`@sinclair/typebox` 0.34.48	Définitions de types JSON Schema

Contributors

Full list: Contributors

Star History

Licence

MIT

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

🧠 memory-lancedb-pro · 🦞OpenClaw Plugin

Pourquoi memory-lancedb-pro ?

Votre Assistant Mémoire IA en action

Que peut-il faire d'autre ?

Démarrage rapide

Option A : Script d'installation en un clic (recommandé)

Option B : Installation manuelle

Écosystème

Script d'installation — Installation, mise à niveau et réparation en un clic

Claude Code / OpenClaw Skill — Configuration guidée par IA

Tutoriel vidéo

Architecture

Fonctionnalités principales

Recherche hybride

Reranking Cross-Encoder

Pipeline de scoring multi-étapes

Extraction mémoire intelligente (v1.1.0)

Gestion du cycle de vie mémoire (v1.1.0)

Isolation multi-scope

Capture automatique et rappel automatique

Filtrage du bruit et recherche adaptative

Configuration

Commandes CLI

Sujets avancés

"Cannot mix BigInt and other types" (LanceDB / Apache Arrow)

Documentation

Beta : Smart Memory v1.1.0

Dépendances

Contributors

Star History

Licence

Mon QR Code WeChat

FilesExpand file tree

README_FR.md

Latest commit

History

README_FR.md

File metadata and controls

🧠 memory-lancedb-pro · 🦞OpenClaw Plugin

Pourquoi memory-lancedb-pro ?

Votre Assistant Mémoire IA en action

Que peut-il faire d'autre ?

Démarrage rapide

Option A : Script d'installation en un clic (recommandé)

Option B : Installation manuelle

Écosystème

Script d'installation — Installation, mise à niveau et réparation en un clic

Claude Code / OpenClaw Skill — Configuration guidée par IA

Tutoriel vidéo

Architecture

Fonctionnalités principales

Recherche hybride

Reranking Cross-Encoder

Pipeline de scoring multi-étapes

Extraction mémoire intelligente (v1.1.0)

Gestion du cycle de vie mémoire (v1.1.0)

Isolation multi-scope

Capture automatique et rappel automatique

Filtrage du bruit et recherche adaptative

Configuration

Commandes CLI

Sujets avancés

"Cannot mix BigInt and other types" (LanceDB / Apache Arrow)

Documentation

Beta : Smart Memory v1.1.0

Dépendances

Contributors

Star History

Licence

Mon QR Code WeChat