Semantic Memory Search

为 OpenClaw 记忆文件添加语义搜索能力

---

🎯 核心功能

语义搜索

• ✅ 向量驱动 - 通过语义而非关键词找到相关记忆
• ✅ 混合搜索 - 稠密向量 + BM25 全文检索 + RRF 重排序
• ✅ 智能去重 - SHA-256 内容哈希，未更改文件不重新嵌入

本地运行

• ✅ 无需 API Key - 使用本地 embedding（all-MiniLM-L6-v2）
• ✅ 完全离线 - 所有数据存储在本地 Milvus Lite

自动同步

• ✅ 文件监视 - 记忆文件变更时自动重新索引
• ✅ 增量更新 - 只处理新增或修改的文件

---

📦 依赖

必需

• Python 3.10+
• memsearch 库

安装

pip3 install "memsearch[local]"

---

📅 使用方法

1. 索引记忆文件

# 使用本地 embedding（无需 API Key）
KMP_DUPLICATE_LIB_OK=TRUE ~/Library/Python/3.14/bin/memsearch index ~/.openclaw/workspace/memory/

# 或使用 OpenAI embedding（需要 API Key）
export OPENAI_API_KEY="your-key"
memsearch index ~/.openclaw/workspace/memory/

2. 语义搜索

# 搜索记忆
KMP_DUPLICATE_LIB_OK=TRUE ~/Library/Python/3.14/bin/memsearch search "我们选了什么缓存方案？"

3. 实时同步（可选）

# 启动文件监视器
KMP_DUPLICATE_LIB_OK=TRUE ~/Library/Python/3.14/bin/memsearch watch ~/.openclaw/workspace/memory/

---

🔧 配置

配置文件：~/.memsearch/config.toml

本地 Embedding（推荐）

[milvus]
uri = "~/.memsearch/milvus.db"

[embedding]
provider = "local"
model = "all-MiniLM-L6-v2"

[search]
top_k = 5

OpenAI Embedding

[milvus]
uri = "~/.memsearch/milvus.db"

[embedding]
provider = "openai"
model = "text-embedding-3-small"

[search]
top_k = 5

---

📊 搜索示例

示例查询

查询	说明
"我们选了什么缓存方案？"	即使没有"缓存"关键词也能找到
"Discord 频道重组"	找到所有相关决策和过程
"播客制作流程"	找到播客相关的所有记忆
"财报跟踪配置"	找到财报系统的配置历史

搜索结果格式

--- Result 1 (score: 0.0320) ---
Source: /path/to/memory.md
Heading: 相关标题
# 内容摘要...

--- Result 2 (score: 0.0318) ---
...

---

🔗 相关链接

• memsearch GitHub
• memsearch 文档
• Milvus

---

📝 更新日志

v1.0.0 (2026-03-14)

• ✅ 初始版本
• ✅ 本地 embedding 支持
• ✅ 语义搜索功能
• ✅ OpenClaw 集成

---

📄 许可证

MIT License