Auto-sync

wiki/sources/semantic-memory-search.md

@@ -1,35 +0,0 @@
----
-title: "Semantic Memory Search"
-type: source
-tags: [openclaw, memory, semantic-search, vector]
-date: 2026-03-06
----
-
-## Source File
-- [[raw/Agent/usecases/semantic-memory-search.md]]
-
-## Summary
-- 核心主题：OpenClaw记忆的向量语义搜索
-- 问题域：Markdown文件记忆随时间增长，关键词搜索无法找到语义相关的内容
-- 方法/机制：使用memsearch在OpenClaw现有Markdown记忆文件上添加向量语义搜索
-- 结论/价值：通过含义而非关键词即时找到任何过去的记忆
-
-## Key Claims
-- 语义搜索："我们选择了什么缓存解决方案？"找到相关记忆，即使词语"缓存"没有出现
-- 混合搜索（密集向量 + BM25全文）与RRF重新排序结合
-- SHA-256内容哈希意味着未更改的文件永远不会被重新嵌入——零浪费API调用
-- 文件监视器在记忆文件更改时自动重新索引
-
-## Key Insights
-- Markdown是事实标准：向量索引只是派生缓存，可以随时重建，记忆文件永不修改
-- 智能去重节省资金：每个块由SHA-256内容哈希标识，重新运行index仅嵌入新的或更改的内容
-- 混合搜索优于纯向量搜索：结合语义相似性和关键词匹配
-
-## Key Concepts
-- [[语义记忆搜索]]：通过含义搜索记忆
-- [[向量数据库]]：存储嵌入向量用于相似性搜索
-- [[memsearch]]：为OpenClaw记忆添加向量搜索的工具
-
-## Connections
-- [[memsearch]] ← indexes ← [[OpenClaw记忆]]
-- [[memsearch]] ← uses ← [[Milvus]]