LanceDB记忆管理

技能简介

LanceDB记忆管理技能提供基于向量数据库的长期记忆存储与检索能力，支持语义搜索、分类管理和元数据标注，适用于需要持久化上下文信息的AI应用场景。

业务背景

AI应用常因会话中断丢失上下文，导致回复质量下降。LanceDB记忆管理通过向量数据库实现长期记忆存储，让AI记住用户偏好、历史对话和关键信息，支持语义检索快速调取相关内容，提升交互连贯性与个性化体验。

落地案例：某企业客服AI接入该技能后，将每次客户咨询按问题类型、紧急程度打标签存入向量库。当客户再次咨询时，系统自动检索其历史记录，识别为"VIP客户+设备故障+已报修未解决"，主动推送进度更新而非重复询问，显著减少客户重复描述成本。

能做什么

• 存储带时间戳的结构化记忆条目
• 通过向量相似度进行语义搜索
• 按类别筛选和聚合记忆数据
• 管理记忆的重要性评分与标签
• 支持JSON格式的灵活元数据扩展

使用说明

1. 环境准备：确保Python 3.8+环境，安装依赖库pip install lancedb pandas
2. 初始化数据库：创建LanceMemoryDB实例，自动建立本地存储目录和表结构
3. 添加记忆：调用add_memory()方法，传入内容文本、类别、标签数组及重要性评分（1-10）
4. 语义检索：使用search_memories()输入自然语言查询，返回相似度排序结果
5. 维护管理：通过ID更新或删除条目，定期调用get_memory_stats()查看存储统计

输入与输出

见下方输入与输出表格。

风险提示

• 默认存储路径为绝对路径/Users/prerak/clawd/memory/lancedb，跨设备部署需修改配置
• 向量搜索依赖嵌入模型，原始代码未显示具体实现，需确认embedding来源
• 并发写入场景下可能出现ID冲突，生产环境建议增加唯一性校验
• 大量数据时pandas转换存在内存开销，超百万条记录需考虑分页处理

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/pntrivedy/lancedb-memory/SKILL.md
来源类型：GitHub开源仓库