mem-rag-milvus

智能记忆系统，支持 SQLite（零配置）和 Milvus（向量搜索）后端。用于存储、检索和管理 AI 助手的记忆，支持语义搜索和自动备份。

RAG Memory Skill - 智能记忆系统

📚 描述

支持多种后端的智能记忆系统，可选择：

• SQLite（默认）：开箱即用，无需额外服务
• Milvus：向量数据库，支持语义搜索
• ChromaDB：轻量级向量数据库（待实现）

🏗️ 架构

SQLite 模式（默认）

text

┌─────────────┐     ┌──────────────┐     ┌─────────────┐
│  OpenClaw   │ ──> │ RAG Memory   │ ──> │   SQLite    │
│  (记忆请求)  │     │   (技能模块)  │     │  (本地 DB)  │
└─────────────┘     └──────────────┘     └─────────────┘

Milvus 模式（可选）

text

┌─────────────┐     ┌──────────────┐     ┌─────────────┐
│  OpenClaw   │ ──> │ RAG Memory   │ ──> │   Milvus    │
│  (记忆请求)  │     │   (技能模块)  │     │ (向量存储)  │
└─────────────┘     └──────────────┘     └─────────────┘
                           │
                           v
                    ┌──────────────┐
                    │   Ollama     │
                    │  (可选)      │
                    │  嵌入生成     │
                    └──────────────┘

🔧 配置

快速开始（SQLite - 无需配置）

bash

# 直接使用，零配置
python -c "from rag_memory import store, search; store('测试记忆')"

Milvus 模式（高级用户）

bash

# 环境变量配置
export RAG_MEMORY_BACKEND=milvus
export MILVUS_URL=http://localhost:19530
export OLLAMA_URL=http://localhost:11434  # 可选，用于向量搜索

# 安装依赖
pip install pymilvus

所有环境变量

bash

RAG_MEMORY_BACKEND=sqlite          # sqlite | milvus | chromadb
RAG_MEMORY_SQLITE_DB=./memory.db   # SQLite 数据库路径
MILVUS_URL=http://localhost:19530  # Milvus 服务地址
OLLAMA_URL=http://localhost:11434  # Ollama 服务地址（可选）
RAG_MEMORY_COLLECTION=openclaw_memory  # 集合名称
RAG_MEMORY_BACKUP_DIR=./memory_backup  # 备份目录

依赖

最小依赖（SQLite 模式）：

bash

pip install requests

完整依赖（Milvus 模式）：

bash

pip install requests pymilvus

📖 使用方法

Python API

python

from rag_memory import store, search

# 存储记忆
memory_id = store("今天讨论了 RAG 系统", {"type": "conversation", "topic": "RAG"})

# 搜索记忆
results = search("RAG 系统讨论", top_k=3)

# 删除记忆
from rag_memory import get_memory
get_memory().delete_memory(memory_id)

功能说明

函数	说明	参数	返回值
store()	存储记忆	content: str, metadata: Dict	memory_id: int
search()	搜索记忆	query: str, top_k: int	List[Dict]
get_memory()	获取实例	-	RAGMemory

📊 记忆数据结构

json

{
  "id": 1,
  "content": "今天讨论了 RAG 系统",
  "timestamp": "2026-03-18T15:30:00",
  "metadata": {
    "type": "conversation",
    "topic": "RAG"
  },
  "distance": 0.85  // 仅 Milvus 模式有
}

🔄 后端对比

特性	SQLite	Milvus
安装难度	⭐ 零配置	⭐⭐⭐ 需要 Docker
向量搜索	❌ 不支持	✅ 支持
搜索方式	最近优先	语义相似度
适用场景	个人使用	生产环境
资源占用	低	中 - 高

⚠️ 注意事项

1. SQLite 模式：开箱即用，无需额外配置
2. Milvus 模式：需要 Docker 运行 Milvus 服务
3. Ollama：可选，用于向量嵌入生成
4. 备份机制：自动备份到 JSON 文件

🐛 故障排除

问题：无法导入 pymilvus

bash

# 仅 Milvus 模式需要
pip install pymilvus

问题：无法连接 Milvus

bash

# 检查 Milvus 服务
docker ps | grep milvus
curl http://localhost:19530/v1/version

问题：嵌入生成失败

bash

# 检查 Ollama 服务（可选功能）
curl http://localhost:11434/api/tags
ollama pull bge-m3  # 如需使用

📦 发布到 ClawHub

打包

bash

cd /app/skills/rag-memory
tar -czf rag-memory.tar.gz SKILL.md rag_memory.py

上传

1. 访问 https://clawhub.com
2. 创建开发者账号
3. 上传 rag-memory.tar.gz
4. 填写技能描述和配置说明

用户安装

bash

openclaw skills install rag-memory

📝 更新日志

• 2026-03-18: 初始版本，替代文件记忆系统
• 自动备份到 JSON 文件
• 语义搜索功能
• 元数据支持