- 代码:
/home/e/.openclaw/workspace/aimemory/ - 源码:
aimemory/src/ - 计划:
/home/e/.openclaw/workspace/memory/project-memory-service.md
| 文件 | 作用 | 状态 |
|---|---|---|
src/db.js |
SQLite数据库层（含向量表） | ✅ 完成 |
src/memory.js |
记忆引擎（增删改查+衰减+语义搜索） | ✅ 完成 |
src/embedding.js |
TF-IDF向量引擎（中英文双语） | ✅ 完成 |
src/extractor.js |
对话记忆提取器 | ✅ 完成 |
src/cli.js |
CLI工具（含语义搜索） | ✅ 完成 |
src/mcp-server.js |
MCP协议服务端 | 🔨 骨架 |
src/test.js |
基础测试 | ✅ 通过 |
src/test-semantic.js |
语义搜索测试 | ✅ 通过 |
- ✅
embedding.js— TF-IDF + 余弦相似度，纯JS零依赖- 中文：单字 + bigram分词
- 英文：小写+去停用词
- 中英文停用词表
- 序列化/反序列化支持持久化
- ✅
db.js— 新增memory_vectors和tfidf_index表 - ✅
memory.js— 新增semanticSearch()和rebuildVectors()- 添加记忆时自动向量化
- 搜索时结合相似度×重要性×衰减评分
- ✅ CLI —
aimem search -s <query>语义搜索
- TF-IDF不懂同义词（"赚钱"≠"收入"），这是固有限制
- 跨语言搜索不行（英文查中文）
- Phase 2解决方案： 换成真正的embedding模型API（OpenAI/本地模型）
- 同义词表增强（手工补常见同义词对，提升召回率）
- CLI完善（export/import命令）
- MCP Server接入语义搜索
- README.md + 准备开源
- MCP Server已接入语义搜索（memory_semantic_search + memory_rebuild_index）
- 加了同义词扩展表，"赚钱"能找到"被动收入"了
- README.md 写好了
- 全部测试通过
- 下一步：CLI加export/import，准备npm发布
- 🚀 接入Gemini embedding（gemini-embedding-001，3072维）
- 新增
gemini-embedding.js（单条+批量embedding，base64序列化） memory.js新增addAsync、semanticSearchAsync、rebuildVectorsAsync- 双引擎架构：Gemini优先，TF-IDF兜底（离线也能用）
- 测试结果：Gemini碾压TF-IDF，跨语言搜索直接能用
- db.js新增
memory_dense_vectors表
- 🧠 集成本地 embedding 引擎：all-MiniLM-L6-v2 (22M params, 384-dim)
- 零 API 成本，CPU 推理，~23ms/条
- 三引擎架构：Local MiniLM > Gemini API > TF-IDF 兜底
- 下一步：集成到 memory.js 的 semanticSearch，替换 TF-IDF 为默认引擎
- MCP Server 升级：所有工具用 async + local embedding
- 8 个 MCP 工具全部测试通过
- OpenClaw 插件版 SKILL.md 写好
- npm publish 需要重新登录（token 过期）