mia

MIA (Memory-Intelligent Assistant) - 智能记忆助手系统，通过记忆、规划、反馈三模块让OpenClaw具备经验学习能力

MIA - Memory-Intelligent Assistant

MIA 是一个智能记忆助手系统，让 OpenClaw 具备"经验学习"能力 —— 不是每次遇到问题都从零开始，而是能记住过去如何解决类似问题，并在未来复用这些经验。

🎯 核心特性

• 通用结构匹配 —— 不依赖具体实体，识别问题的抽象模式
• 优胜劣汰 —— 只保留最高效的解决轨迹
• 无硬编码 —— 所有配置通过环境变量传入

🏗️ 架构组成

MIA 由三个核心模块组成：

模块	功能	路径
Memory	智能记忆存储与检索，支持优胜劣汰	memory/
Planner	任务规划与分解，支持参考历史优化	planner/
Feedback	执行反馈收集（仅针对全新问题）	feedback/

📋 工作流程

text

用户问题
    ↓
[MIA Memory] 检索相似轨迹（基于通用结构）
    ↓
[MIA Planner] 生成执行计划（参考历史或全新生成）
    ↓
[OpenClaw 执行者] 执行搜索、验证、生成答案
    ↓
[MIA Memory] 存储新轨迹（自动优胜劣汰）
    ↓
[MIA Feedback] 收集反馈（仅针对全新问题）

🚀 安装

bash

cd /path/to/mia
npm install

⚙️ 配置

Planner 配置

环境变量	必需	默认值	说明
MIA_PLANNER_MODE	否	local	运行模式：local 或 api
MIA_PLANNER_URL	否	-	自定义API端点
MIA_PLANNER_MODEL	否	Qwen3-8B/gpt-4	模型名称
MIA_PLANNER_API_KEY	api模式必需	-	API密钥

本地部署示例：

bash

export MIA_PLANNER_MODE=local
export MIA_PLANNER_URL=http://localhost:8000/v1/chat/completions
export MIA_PLANNER_MODEL=Qwen3-8B

OpenAI API 示例：

bash

export MIA_PLANNER_MODE=api
export MIA_PLANNER_API_KEY=sk-xxx
export MIA_PLANNER_MODEL=gpt-4

阿里云 DashScope 示例：

bash

export MIA_PLANNER_MODE=api
export MIA_PLANNER_API_KEY=sk-xxx
export MIA_PLANNER_URL=https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions
export MIA_PLANNER_MODEL=qwen3-8b

Memory 配置

环境变量	默认值	说明
MIA_MEMORY_FILE	./memory/memory.jsonl	记忆文件路径
MIA_SIMILARITY_THRESHOLD	0.90	相似度阈值

Feedback 配置

环境变量	默认值	说明
MIA_FEEDBACK_FILE	./feedback/feedback.jsonl	反馈文件路径

📖 使用方式

Memory 模块

bash

# 查找最相似的记忆
node memory/mia-memory.mjs search "你的问题"

# 存储新轨迹（自动优胜劣汰）
node memory/mia-memory.mjs store '{"question": "...", "plan": "...", "execution": [...]}'

# 列出记忆
node memory/mia-memory.mjs list [数量]

输出示例：

json

{
  "found": true,
  "similarity": 0.93,
  "record": { ... }
}

Planner 模块

bash

# 生成 Plan（本地模式）
node planner/mia-planner.mjs "你的问题"

# 参考历史轨迹生成优化 Plan
node planner/mia-planner.mjs "你的问题" --reference "历史Plan文本"

输出示例：

json

{
  "question": "用户问题",
  "plan": "完整的计划文本",
  "steps": ["步骤1", "步骤2", "步骤3"],
  "reference_used": true,
  "model": "使用的模型",
  "timestamp": "2026-03-15T..."
}

Feedback 模块

bash

# 存储反馈
node feedback/mia-feedback.mjs store "问题" "答案" "good"

# 列出反馈
node feedback/mia-feedback.mjs list [数量]

🔍 相似度计算原理

MIA Memory 提取以下通用结构特征（不依赖具体实体）：

特征	识别模式	说明
TIME_REF	那年、当年、时候、举办	时间参照
DUAL_ENTITY_COMPARE	A和B、A比B、谁更	双实体比较
ATTRIBUTE_CONFIRM	是不是、是否、都是	属性确认
NUMERIC_QUERY	多少、几、多大	数值查询
RELATIONSHIP_QUERY	关系、关联、联系	关系查询
RANKING_QUERY	第一、第二、冠军	排名查询

相似度权重：

• 结构特征相似度：50%
• 模板相似度：30%
• 语义相似度：20%

📊 效率评估

MIA Memory 的优胜劣汰机制基于以下指标：

指标	权重	说明
search_count	40%	搜索次数
step_count	30%	执行步骤数
success	30%	是否成功

新轨迹效率分数 > 旧轨迹 → 替换
新轨迹效率分数 ≤ 旧轨迹 → 丢弃

📝 注意事项

• Planner 不执行搜索 —— 只生成 Plan，由调用者执行
• Memory 严格优胜劣汰 —— 只保留最高效轨迹
• Feedback 智能判断 —— 仅对全新问题收集反馈，避免打扰用户
• 所有配置通过环境变量 —— 无硬编码，灵活部署

📄 许可证

ISC