ClawHub

Context Manager

管理多个 AI Agent 的长期记忆与文件，通过向量和时间双重过滤，实现高效语义检索和减少 LLM 调用。

Audits

Pass
ClawScanReview

Agentic behavior and permission review.

Static analysisPass

Pattern checks against bundled files.

VirusTotalPass

Multi-engine malware detections and file reputation.

Install

openclaw skills install autoglm-context-manager

Context Manager Skill

长上下文管理器技能。为多个 AI Agent 提供智能的长期记忆管理，通过向量索引和时间轴双重命中判断，大幅减少 LLM 调用次数。

🎯 适用场景

当用户需要：

  • 管理多个 Agent 的文件和上下文
  • 在大型项目中快速检索相关信息
  • 减少 LLM 调用以降低成本
  • 建立长期记忆系统
  • 在多个 Agent 之间共享上下文
  • 基于语义相似度搜索文件
  • 按时间维度过滤和检索内容

📋 功能清单

Agent 管理

  • 创建新的 Agent
  • 查看 Agent 列表
  • 获取 Agent 详情
  • 删除 Agent

文件管理

  • 为 Agent 创建文件
  • 获取文件内容
  • 列出 Agent 的所有文件
  • 删除文件

智能检索

  • 语义向量搜索
  • 时间轴过滤
  • 双重命中判断（向量+时间）
  • 智能调取详情
  • LLM 集成（可选）

🚀 使用方法

基本用法

创建 Agent

为项目 "文档编写" 创建一个 Agent

创建文件

将以下内容保存到 Agent "agent001" 的文件 "设计文档.md" 中：
[文件内容]

查询

在 Agent "agent001" 中搜索 "深度学习算法"

查询（带详情）

查找 "微服务架构设计" 相关内容，并获取详情

列出文件

显示 Agent "agent001" 的所有文件

高级用法

带标签的文件

创建一个关于 "机器学习" 的文件，标签为 "research, ai, ml"

跨 Agent 搜索

在所有 Agent 中搜索 "Python 编程"

强制 LLM 调用

用 LLM 分析 "如何优化数据库查询" 相关内容

🔧 配置

环境变量（可选）

# OpenAI API Key（用于 LLM 功能）
export OPENAI_API_KEY="your-api-key"

# Redis 配置（用于缓存）
export CONTEXT_MANAGER_REDIS_HOST="localhost"
export CONTEXT_MANAGER_REDIS_PORT=6379

配置参数（可选）

在 config.py 中可调整：

  • vector_threshold: 向量相似度阈值（默认 0.7）
  • time_threshold: 时间相关性阈值（默认 0.5）
  • combined_threshold: 综合评分阈值（默认 0.6）
  • cache_ttl: 缓存过期时间（默认 3600 秒）

📊 工作原理

文件索引流程

  1. 接收文件内容
  2. 生成向量嵌入
  3. 存储到向量数据库
  4. 提取时间轴信息
  5. 更新索引

智能检索流程

  1. 向量搜索找到相关文件
  2. 时间轴过滤
  3. 双重命中判断
  4. 智能调取详情
  5. LLM 集成（如需要）

💡 最佳实践

  1. 文件命名：使用有意义的文件名
  2. 标签使用：为文件添加相关主题标签
  3. 时间标签：使用时间标签帮助时间轴匹配
  4. 批量操作：批量创建文件以提高效率
  5. 定期清理：删除不再需要的文件

⚠️ 注意事项

  • 文件内容会进行向量嵌入，需要网络连接（首次）
  • LLM 功能需要配置 OpenAI API Key
  • Redis 可选，未配置时使用内存缓存
  • 向量数据库存储在本地 vector_db 目录

🔄 数据存储

所有数据存储在：

~/.openclaw-autoclaw/workspace/context-manager/
├── agents/           # Agent 数据
├── vector_db/        # 向量数据库
├── cache/            # 缓存数据
└── logs/             # 日志文件

📈 性能优化

预期效果：

  • LLM 调用减少：60-80%
  • 检索速度提升：10-50 倍
  • 项目完成度显著提高

🔍 技术栈

  • 向量数据库: ChromaDB
  • 嵌入模型: Sentence Transformers
  • 缓存: Redis + 内存
  • API: FastAPI
  • LLM: OpenAI GPT（可选）

🛠️ 故障排除

问题：向量数据库初始化失败

解决：删除 vector_db 目录后重试

问题：Redis 连接失败

解决：系统会自动使用内存缓存

问题：LLM 调用超时

解决：检查网络连接和 API Key 配置

📚 示例对话

用户：为 "研究项目" 创建一个 Agent
AI：✓ 已创建 Agent "research-project"

用户：将以下内容保存到研究项目的文件 "文献综述.md"：
深度学习是机器学习的一个子集...
AI：✓ 文件 "文献综述.md" 已创建并索引（索引时间: 452ms）

用户：在研究项目中搜索 "神经网络"
AI：找到 3 个相关文件：
1. 文献综述.md（相似度: 0.89）
2. 算法总结.md（相似度: 0.76）
3. 项目计划.md（相似度: 0.65）

用户：获取 "神经网络" 相关内容的详情
AI：已获取 2 个文件的详情。LLM 回复：
[详细答案]

🎓 更多信息

查看完整文档： cat ~/.openclaw-autoclaw/workspace/context-manager/README.md

运行示例： python ~/.openclaw-autoclaw/workspace/context-manager/example.py

🔗 相关技能

  • memory - 简单的内存管理
  • wecom-doc - 企业微信文档管理