36 lines
1.5 KiB
Markdown
36 lines
1.5 KiB
Markdown
---
|
||
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]]
|