🧠 memory-lancedb-pro · 🦞OpenClaw Plugin

Assistente Memoria IA per Agenti OpenClaw

Dai al tuo agente IA un cervello che ricorda davvero — tra sessioni, tra agenti, nel tempo.

Un plugin di memoria a lungo termine per OpenClaw basato su LanceDB che memorizza preferenze, decisioni e contesto di progetto, e li richiama automaticamente nelle sessioni future.

Perché memory-lancedb-pro?

La maggior parte degli agenti IA soffre di amnesia. Dimenticano tutto nel momento in cui si avvia una nuova chat.

memory-lancedb-pro è un plugin di memoria a lungo termine di livello produttivo per OpenClaw che trasforma il tuo agente in un vero Assistente Memoria IA — cattura automaticamente ciò che conta, lascia il rumore dissolversi naturalmente e recupera il ricordo giusto al momento giusto. Nessun tag manuale, nessuna configurazione complicata.

Il tuo Assistente Memoria IA in azione

Senza memoria — ogni sessione parte da zero:

Tu: "Usa i tab per l'indentazione, aggiungi sempre la gestione degli errori." (sessione successiva) Tu: "Te l'ho già detto — tab, non spazi!" 😤 (sessione successiva) Tu: "…sul serio, tab. E gestione degli errori. Di nuovo."

Con memory-lancedb-pro — il tuo agente impara e ricorda:

Tu: "Usa i tab per l'indentazione, aggiungi sempre la gestione degli errori." (sessione successiva — l'agente richiama automaticamente le tue preferenze) Agente: (applica silenziosamente tab + gestione errori) ✅ Tu: "Perché il mese scorso abbiamo scelto PostgreSQL invece di MongoDB?" Agente: "In base alla nostra discussione del 12 febbraio, i motivi principali erano…" ✅

Questa è la differenza che fa un Assistente Memoria IA — impara il tuo stile, ricorda le decisioni passate e fornisce risposte personalizzate senza che tu debba ripeterti.

Cos'altro può fare?

	Cosa ottieni
Auto-Capture	Il tuo agente impara da ogni conversazione — nessun `memory_store` manuale necessario
Estrazione intelligente	Classificazione LLM in 6 categorie: profili, preferenze, entità, eventi, casi, pattern
Oblio intelligente	Modello di decadimento Weibull — i ricordi importanti restano, il rumore svanisce
Ricerca ibrida	Ricerca vettoriale + BM25 full-text, fusa con reranking cross-encoder
Iniezione di contesto	I ricordi rilevanti emergono automaticamente prima di ogni risposta
Isolamento multi-scope	Confini di memoria per agente, per utente, per progetto
Qualsiasi provider	OpenAI, Jina, Gemini, Ollama o qualsiasi API compatibile OpenAI
Toolkit completo	CLI, backup, migrazione, upgrade, esportazione/importazione — pronto per la produzione

Avvio rapido

Opzione A: Script di installazione con un clic (consigliato)

Lo script di installazione mantenuto dalla community gestisce installazione, aggiornamento e riparazione in un solo comando:

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

Vedi Ecosistema qui sotto per l'elenco completo degli scenari coperti e altri strumenti della community.

Opzione B: Installazione manuale

Tramite OpenClaw CLI (consigliato):

openclaw plugins install memory-lancedb-pro@beta

Oppure tramite npm:

npm i memory-lancedb-pro@beta

Se usi npm, dovrai anche aggiungere la directory di installazione del plugin come percorso assoluto in plugins.load.paths nel tuo openclaw.json. Questo è il problema di configurazione più comune.

Aggiungi al tuo 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 }
        }
      }
    }
  }
}

Perché questi valori predefiniti?

autoCapture + smartExtraction → il tuo agente impara automaticamente da ogni conversazione
autoRecall → i ricordi rilevanti vengono iniettati prima di ogni risposta
extractMinMessages: 2 → l'estrazione si attiva nelle normali chat a due turni
sessionMemory.enabled: false → evita di inquinare la ricerca con riassunti di sessione all'inizio

Valida e riavvia:

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

Dovresti vedere:

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

Fatto! Il tuo agente ora ha una memoria a lungo termine.

Ulteriori percorsi di installazione (utenti esistenti, aggiornamenti)

Usi già OpenClaw?

Aggiungi il plugin con un percorso assoluto in plugins.load.paths
Associa lo slot di memoria: plugins.slots.memory = "memory-lancedb-pro"
Verifica: openclaw plugins info memory-lancedb-pro && openclaw memory-pro stats

Aggiornamento da versioni precedenti alla v1.1.0?

# 1) Backup
openclaw memory-pro export --scope global --output memories-backup.json
# 2) Dry run
openclaw memory-pro upgrade --dry-run
# 3) Run upgrade
openclaw memory-pro upgrade
# 4) Verify
openclaw memory-pro stats

Vedi CHANGELOG-v1.1.0.md per le modifiche comportamentali e le motivazioni dell'aggiornamento.

Importazione rapida Telegram Bot (clicca per espandere)

Se stai usando l'integrazione Telegram di OpenClaw, il modo più semplice è inviare un comando di importazione direttamente al Bot principale invece di modificare manualmente la configurazione.

Invia questo messaggio:

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

Ecosistema

memory-lancedb-pro è il plugin principale. La community ha costruito strumenti per rendere l'installazione e l'uso quotidiano ancora più fluidi:

Script di installazione — Installazione, aggiornamento e riparazione con un clic

CortexReach/toolbox/memory-lancedb-pro-setup

Non è un semplice installer — lo script gestisce in modo intelligente numerosi scenari reali:

La tua situazione	Cosa fa lo script
Mai installato	Download → installazione dipendenze → scelta configurazione → scrittura in openclaw.json → riavvio
Installato tramite `git clone`, bloccato su un vecchio commit	`git fetch` + `checkout` automatico all'ultima versione → reinstallazione dipendenze → verifica
La configurazione ha campi non validi	Rilevamento automatico tramite filtro schema, rimozione campi non supportati
Installato tramite `npm`	Salta l'aggiornamento git, ricorda di eseguire `npm update` autonomamente
CLI `openclaw` non funzionante per configurazione non valida	Fallback: lettura diretta del percorso workspace dal file `openclaw.json`
`extensions/` invece di `plugins/`	Rilevamento automatico della posizione del plugin da configurazione o filesystem
Già aggiornato	Solo controlli di integrità, nessuna modifica

bash setup-memory.sh                    # Installa o aggiorna
bash setup-memory.sh --dry-run          # Solo anteprima
bash setup-memory.sh --beta             # Includi versioni pre-release
bash setup-memory.sh --uninstall        # Ripristina configurazione e rimuovi plugin

Preset di provider integrati: Jina / DashScope / SiliconFlow / OpenAI / Ollama, oppure usa la tua API compatibile OpenAI. Per l'utilizzo completo (inclusi --ref, --selfcheck-only e altro), consulta il README dello script di installazione.

Claude Code / OpenClaw Skill — Configurazione guidata dall'IA

CortexReach/memory-lancedb-pro-skill

Installa questa Skill e il tuo agente IA (Claude Code o OpenClaw) acquisisce una conoscenza approfondita di tutte le funzionalità di memory-lancedb-pro. Basta dire "aiutami ad attivare la configurazione migliore" per ottenere:

Workflow di configurazione guidato in 7 passaggi con 4 piani di distribuzione:
- Full Power (Jina + OpenAI) / Budget (reranker SiliconFlow gratuito) / Simple (solo OpenAI) / Completamente locale (Ollama, zero costi API)
Tutti i 9 strumenti MCP usati correttamente: memory_recall, memory_store, memory_forget, memory_update, memory_stats, memory_list, self_improvement_log, self_improvement_extract_skill, self_improvement_review (il set completo richiede enableManagementTools: true — la configurazione Quick Start predefinita espone i 4 strumenti principali)
Prevenzione delle insidie comuni: attivazione plugin workspace, autoRecall predefinito a false, cache jiti, variabili d'ambiente, isolamento scope, ecc.

Installazione per Claude Code:

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

Installazione per OpenClaw:

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

Tutorial video

Guida completa: installazione, configurazione e funzionamento interno della ricerca ibrida.

https://youtu.be/MtukF1C8epQ

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

Architettura

┌─────────────────────────────────────────────────────────┐
│                   index.ts (Entry Point)                │
│  Plugin Registration · Config Parsing · Lifecycle Hooks │
└────────┬──────────┬──────────┬──────────┬───────────────┘
         │          │          │          │
    ┌────▼───┐ ┌────▼───┐ ┌───▼────┐ ┌──▼──────────┐
    │ store  │ │embedder│ │retriever│ │   scopes    │
    │ .ts    │ │ .ts    │ │ .ts    │ │    .ts      │
    └────────┘ └────────┘ └────────┘ └─────────────┘
         │                     │
    ┌────▼───┐           ┌─────▼──────────┐
    │migrate │           │noise-filter.ts │
    │ .ts    │           │adaptive-       │
    └────────┘           │retrieval.ts    │
                         └────────────────┘
    ┌─────────────┐   ┌──────────┐
    │  tools.ts   │   │  cli.ts  │
    │ (Agent API) │   │ (CLI)    │
    └─────────────┘   └──────────┘

Per un approfondimento sull'architettura completa, consulta docs/memory_architecture_analysis.md.

Riferimento file (clicca per espandere)

File	Scopo
`index.ts`	Punto di ingresso del plugin. Si registra con l'API Plugin di OpenClaw, analizza la configurazione, monta gli hook del ciclo di vita
`openclaw.plugin.json`	Metadati del plugin + dichiarazione completa della configurazione JSON Schema
`cli.ts`	Comandi CLI: `memory-pro list/search/stats/delete/delete-bulk/export/import/reembed/upgrade/migrate`
`src/store.ts`	Layer di storage LanceDB. Creazione tabelle / indicizzazione FTS / ricerca vettoriale / ricerca BM25 / CRUD
`src/embedder.ts`	Astrazione embedding. Compatibile con qualsiasi provider API compatibile OpenAI
`src/retriever.ts`	Motore di ricerca ibrido. Vettoriale + BM25 → Fusione ibrida → Rerank → Decadimento ciclo di vita → Filtro
`src/scopes.ts`	Controllo accessi multi-scope
`src/tools.ts`	Definizioni degli strumenti agente: `memory_recall`, `memory_store`, `memory_forget`, `memory_update` + strumenti di gestione
`src/noise-filter.ts`	Filtra rifiuti dell'agente, meta-domande, saluti e contenuti di bassa qualità
`src/adaptive-retrieval.ts`	Determina se una query necessita di ricerca nella memoria
`src/migrate.ts`	Migrazione dal `memory-lancedb` integrato a Pro
`src/smart-extractor.ts`	Estrazione LLM in 6 categorie con archiviazione a strati L0/L1/L2 e deduplicazione in due fasi
`src/decay-engine.ts`	Modello di decadimento esponenziale esteso Weibull
`src/tier-manager.ts`	Promozione/retrocessione a tre livelli: Peripheral ↔ Working ↔ Core

Funzionalità principali

Ricerca ibrida

Query → embedQuery() ─┐
                       ├─→ Hybrid Fusion → Rerank → Lifecycle Decay Boost → Length Norm → Filter
Query → BM25 FTS ─────┘

Ricerca vettoriale — similarità semantica tramite LanceDB ANN (distanza del coseno)
Ricerca full-text BM25 — corrispondenza esatta delle parole chiave tramite indice FTS di LanceDB
Fusione ibrida — punteggio vettoriale come base, i risultati BM25 ricevono un boost ponderato (non RRF standard — ottimizzato per la qualità di richiamo nel mondo reale)
Pesi configurabili — vectorWeight, bm25Weight, minScore

Reranking Cross-Encoder

Adattatori integrati per Jina, SiliconFlow, Voyage AI e Pinecone
Compatibile con qualsiasi endpoint compatibile Jina (ad es. Hugging Face TEI, DashScope)
Punteggio ibrido: 60% cross-encoder + 40% punteggio fuso originale
Degradazione elegante: fallback sulla similarità del coseno in caso di errore API

Pipeline di punteggio multi-fase

Fase	Effetto
Fusione ibrida	Combina richiamo semantico e corrispondenza esatta
Rerank Cross-Encoder	Promuove risultati semanticamente precisi
Boost decadimento ciclo di vita	Freschezza Weibull + frequenza di accesso + importance × confidence
Normalizzazione lunghezza	Impedisce alle voci lunghe di dominare (ancora: 500 caratteri)
Punteggio minimo rigido	Rimuove risultati irrilevanti (predefinito: 0.35)
Diversità MMR	Similarità coseno > 0.85 → retrocesso

Estrazione intelligente della memoria (v1.1.0)

Estrazione LLM in 6 categorie: profilo, preferenze, entità, eventi, casi, pattern
Archiviazione a strati L0/L1/L2: L0 (indice in una frase) → L1 (riepilogo strutturato) → L2 (narrazione completa)
Deduplicazione in due fasi: pre-filtro similarità vettoriale (≥0.7) → decisione semantica LLM (CREATE/MERGE/SKIP)
Fusione consapevole delle categorie: profile viene sempre fuso, events/cases solo in aggiunta

Gestione del ciclo di vita della memoria (v1.1.0)

Motore di decadimento Weibull: punteggio composito = freschezza + frequenza + valore intrinseco
Promozione a tre livelli: Peripheral ↔ Working ↔ Core con soglie configurabili
Rinforzo per accesso: i ricordi richiamati frequentemente decadono più lentamente (stile ripetizione spaziata)
Emivita modulata dall'importanza: i ricordi importanti decadono più lentamente

Isolamento multi-scope

Scope integrati: global, agent:<id>, custom:<name>, project:<id>, user:<id>
Controllo accessi a livello agente tramite scopes.agentAccess
Predefinito: ogni agente accede a global + il proprio scope agent:<id>

Auto-Capture e Auto-Recall

Auto-Capture (agent_end): estrae preferenze/fatti/decisioni/entità dalle conversazioni, deduplica, memorizza fino a 3 per turno
Auto-Recall (before_agent_start): inietta il contesto <relevant-memories> (fino a 3 voci)

Filtraggio del rumore e ricerca adattiva

Filtra contenuti di bassa qualità: rifiuti dell'agente, meta-domande, saluti
Salta la ricerca per: saluti, comandi slash, conferme semplici, emoji
Forza la ricerca per parole chiave della memoria ("ricorda", "precedentemente", "l'ultima volta")
Soglie CJK (cinese: 6 caratteri vs inglese: 15 caratteri)

Confronto con memory-lancedb integrato (clicca per espandere)

Funzionalità	`memory-lancedb` integrato	memory-lancedb-pro
Ricerca vettoriale	Sì	Sì
Ricerca full-text BM25	-	Sì
Fusione ibrida (Vettoriale + BM25)	-	Sì
Rerank cross-encoder (multi-provider)	-	Sì
Boost di freschezza e decadimento temporale	-	Sì
Normalizzazione lunghezza	-	Sì
Diversità MMR	-	Sì
Isolamento multi-scope	-	Sì
Filtraggio del rumore	-	Sì
Ricerca adattiva	-	Sì
CLI di gestione	-	Sì
Memoria di sessione	-	Sì
Embedding task-aware	-	Sì
Estrazione intelligente LLM (6 categorie)	-	Sì (v1.1.0)
Decadimento Weibull + promozione livelli	-	Sì (v1.1.0)
Qualsiasi embedding compatibile OpenAI	Limitato	Sì

Configurazione

Esempio di configurazione completa

{
  "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
}

Provider di embedding

Funziona con qualsiasi API di embedding compatibile OpenAI:

Provider	Modello	Base URL	Dimensioni
Jina (consigliato)	`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 (locale)	`nomic-embed-text`	`http://localhost:11434/v1`	specifico del provider

Provider di rerank

Il reranking cross-encoder supporta più provider tramite rerankProvider:

Provider	`rerankProvider`	Modello di esempio
Jina (predefinito)	`jina`	`jina-reranker-v3`
SiliconFlow (piano gratuito disponibile)	`siliconflow`	`BAAI/bge-reranker-v2-m3`
Voyage AI	`voyage`	`rerank-2.5`
Pinecone	`pinecone`	`bge-reranker-v2-m3`

Funziona anche qualsiasi endpoint di rerank compatibile Jina — imposta rerankProvider: "jina" e punta rerankEndpoint al tuo servizio (ad es. Hugging Face TEI, DashScope qwen3-rerank).

Estrazione intelligente (LLM) — v1.1.0

Quando smartExtraction è abilitato (predefinito: true), il plugin utilizza un LLM per estrarre e classificare intelligentemente i ricordi invece di trigger basati su regex.

Campo	Tipo	Predefinito	Descrizione
`smartExtraction`	boolean	`true`	Abilita/disabilita l'estrazione LLM in 6 categorie
`llm.auth`	string	`api-key`	`api-key` usa `llm.apiKey` / `embedding.apiKey`; `oauth` usa un file token OAuth con scope plugin per impostazione predefinita
`llm.apiKey`	string	(fallback su `embedding.apiKey`)	Chiave API per il provider LLM
`llm.model`	string	`openai/gpt-oss-120b`	Nome del modello LLM
`llm.baseURL`	string	(fallback su `embedding.baseURL`)	Endpoint API LLM
`llm.oauthProvider`	string	`openai-codex`	ID del provider OAuth usato quando `llm.auth` è `oauth`
`llm.oauthPath`	string	`~/.openclaw/.memory-lancedb-pro/oauth.json`	File token OAuth usato quando `llm.auth` è `oauth`
`llm.timeoutMs`	number	`30000`	Timeout della richiesta LLM in millisecondi
`extractMinMessages`	number	`2`	Messaggi minimi prima che l'estrazione si attivi
`extractMaxChars`	number	`8000`	Caratteri massimi inviati al LLM

Configurazione llm OAuth (usa la cache di login esistente di Codex / ChatGPT per le chiamate LLM):

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

Note per llm.auth: "oauth":

llm.oauthProvider è attualmente openai-codex.
I token OAuth sono salvati di default in ~/.openclaw/.memory-lancedb-pro/oauth.json.
Puoi impostare llm.oauthPath se vuoi salvare quel file altrove.
auth login crea uno snapshot della configurazione llm precedente con api-key accanto al file OAuth, e auth logout ripristina quello snapshot quando disponibile.
Il passaggio da api-key a oauth non trasferisce automaticamente llm.baseURL. Impostalo manualmente in modalità OAuth solo quando vuoi intenzionalmente un backend personalizzato compatibile ChatGPT/Codex.

Configurazione ciclo di vita (Decadimento + Livelli)

Campo	Predefinito	Descrizione
`decay.recencyHalfLifeDays`	`30`	Emivita base per il decadimento di freschezza Weibull
`decay.frequencyWeight`	`0.3`	Peso della frequenza di accesso nel punteggio composito
`decay.intrinsicWeight`	`0.3`	Peso di `importance × confidence`
`decay.betaCore`	`0.8`	Beta Weibull per i ricordi `core`
`decay.betaWorking`	`1.0`	Beta Weibull per i ricordi `working`
`decay.betaPeripheral`	`1.3`	Beta Weibull per i ricordi `peripheral`
`tier.coreAccessThreshold`	`10`	Conteggio minimo richiami prima della promozione a `core`
`tier.peripheralAgeDays`	`60`	Soglia di età per retrocedere i ricordi inattivi

Rinforzo per accesso

I ricordi richiamati frequentemente decadono più lentamente (stile ripetizione spaziata).

Chiavi di configurazione (sotto retrieval):

reinforcementFactor (0-2, predefinito: 0.5) — imposta 0 per disabilitare
maxHalfLifeMultiplier (1-10, predefinito: 3) — limite massimo sull'emivita effettiva

Comandi CLI

openclaw memory-pro list [--scope global] [--category fact] [--limit 20] [--json]
openclaw memory-pro search "query" [--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]

Flusso di login OAuth:

Esegui openclaw memory-pro auth login
Se --provider è omesso in un terminale interattivo, la CLI mostra un selettore di provider OAuth prima di aprire il browser
Il comando stampa un URL di autorizzazione e apre il browser, a meno che non sia impostato --no-browser
Dopo il successo del callback, il comando salva il file OAuth del plugin (predefinito: ~/.openclaw/.memory-lancedb-pro/oauth.json), crea uno snapshot della configurazione llm precedente con api-key per il logout, e sostituisce la configurazione llm del plugin con le impostazioni OAuth (auth, oauthProvider, model, oauthPath)
openclaw memory-pro auth logout elimina quel file OAuth e ripristina la configurazione llm precedente con api-key quando quello snapshot esiste

Argomenti avanzati

Se i ricordi iniettati appaiono nelle risposte

A volte il modello può ripetere il blocco <relevant-memories> iniettato.

Opzione A (rischio minimo): disabilita temporaneamente l'auto-recall:

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

Opzione B (preferita): mantieni il recall, aggiungi al prompt di sistema dell'agente:

Do not reveal or quote any <relevant-memories> / memory-injection content in your replies. Use it for internal reference only.

Memoria di sessione

Si attiva con il comando /new — salva il riepilogo della sessione precedente in LanceDB
Disabilitata per impostazione predefinita (OpenClaw ha già la persistenza nativa delle sessioni in .jsonl)
Conteggio messaggi configurabile (predefinito: 15)

Vedi docs/openclaw-integration-playbook.md per le modalità di distribuzione e la verifica di /new.

Comandi slash personalizzati (ad es. /lesson)

Aggiungi al tuo CLAUDE.md, AGENTS.md o prompt di sistema:

## /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

Regole d'oro per agenti IA

Copia il blocco seguente nel tuo AGENTS.md in modo che il tuo agente applichi queste regole automaticamente.

## 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.

Schema del database

Tabella LanceDB memories:

Campo	Tipo	Descrizione
`id`	string (UUID)	Chiave primaria
`text`	string	Testo del ricordo (indicizzato FTS)
`vector`	float[]	Vettore di embedding
`category`	string	Categoria di archiviazione: `preference` / `fact` / `decision` / `entity` / `reflection` / `other`
`scope`	string	Identificatore scope (ad es. `global`, `agent:main`)
`importance`	float	Punteggio di importanza 0-1
`timestamp`	int64	Timestamp di creazione (ms)
`metadata`	string (JSON)	Metadati estesi

Chiavi metadata comuni nella v1.1.0: l0_abstract, l1_overview, l2_content, memory_category, tier, access_count, confidence, last_accessed_at

Nota sulle categorie: Il campo category di primo livello usa 6 categorie di archiviazione. Le 6 etichette semantiche dell'Estrazione Intelligente (profile / preferences / entities / events / cases / patterns) sono memorizzate in metadata.memory_category.

Risoluzione dei problemi

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

Con LanceDB 0.26+, alcune colonne numeriche potrebbero essere restituite come BigInt. Aggiorna a memory-lancedb-pro >= 1.0.14 — questo plugin ora converte i valori usando Number(...) prima delle operazioni aritmetiche.

Documentazione

Documento	Descrizione
Playbook di integrazione OpenClaw	Modalità di distribuzione, verifica, matrice di regressione
Analisi dell'architettura della memoria	Analisi approfondita dell'architettura completa
CHANGELOG v1.1.0	Modifiche comportamentali v1.1.0 e motivazioni per l'upgrade
Chunking contesto lungo	Strategia di chunking per documenti lunghi

Beta: Smart Memory v1.1.0

Stato: Beta — disponibile tramite npm i memory-lancedb-pro@beta. Gli utenti stabili su latest non sono interessati.

Funzionalità	Descrizione
Estrazione intelligente	Estrazione LLM in 6 categorie con metadati L0/L1/L2. Fallback su regex se disabilitato.
Punteggio ciclo di vita	Decadimento Weibull integrato nella ricerca — i ricordi frequenti e importanti si posizionano più in alto.
Gestione livelli	Sistema a tre livelli (Core → Working → Peripheral) con promozione/retrocessione automatica.

Feedback: GitHub Issues · Ripristina: npm i memory-lancedb-pro@latest

Dipendenze

Pacchetto	Scopo
`@lancedb/lancedb` ≥0.26.2	Database vettoriale (ANN + FTS)
`openai` ≥6.21.0	Client API Embedding compatibile OpenAI
`@sinclair/typebox` 0.34.48	Definizioni di tipo JSON Schema

Contributors

Full list: Contributors

Star History

Licenza

MIT

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

🧠 memory-lancedb-pro · 🦞OpenClaw Plugin

Perché memory-lancedb-pro?

Il tuo Assistente Memoria IA in azione

Cos'altro può fare?

Avvio rapido

Opzione A: Script di installazione con un clic (consigliato)

Opzione B: Installazione manuale

Ecosistema

Script di installazione — Installazione, aggiornamento e riparazione con un clic

Claude Code / OpenClaw Skill — Configurazione guidata dall'IA

Tutorial video

Architettura

Funzionalità principali

Ricerca ibrida

Reranking Cross-Encoder

Pipeline di punteggio multi-fase

Estrazione intelligente della memoria (v1.1.0)

Gestione del ciclo di vita della memoria (v1.1.0)

Isolamento multi-scope

Auto-Capture e Auto-Recall

Filtraggio del rumore e ricerca adattiva

Configurazione

Comandi CLI

Argomenti avanzati

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

Documentazione

Beta: Smart Memory v1.1.0

Dipendenze

Contributors

Star History

Licenza

Il mio QR Code WeChat

FilesExpand file tree

README_IT.md

Latest commit

History

README_IT.md

File metadata and controls

🧠 memory-lancedb-pro · 🦞OpenClaw Plugin

Perché memory-lancedb-pro?

Il tuo Assistente Memoria IA in azione

Cos'altro può fare?

Avvio rapido

Opzione A: Script di installazione con un clic (consigliato)

Opzione B: Installazione manuale

Ecosistema

Script di installazione — Installazione, aggiornamento e riparazione con un clic

Claude Code / OpenClaw Skill — Configurazione guidata dall'IA

Tutorial video

Architettura

Funzionalità principali

Ricerca ibrida

Reranking Cross-Encoder

Pipeline di punteggio multi-fase

Estrazione intelligente della memoria (v1.1.0)

Gestione del ciclo di vita della memoria (v1.1.0)

Isolamento multi-scope

Auto-Capture e Auto-Recall

Filtraggio del rumore e ricerca adattiva

Configurazione

Comandi CLI

Argomenti avanzati

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

Documentazione

Beta: Smart Memory v1.1.0

Dipendenze

Contributors

Star History

Licenza

Il mio QR Code WeChat