Memory Baidu Embedding DB - Clawdbot 语义记忆系统

基于百度 Embedding 技术的向量化记忆存储与检索

专为 Clawdbot 设计的语义记忆系统，利用百度 Embedding-V1 模型，基于语义（而非关键词）进行记忆的存储与检索。该系统旨在作为传统向量数据库（如 LanceDB）的安全、本地化替代方案。

🚀 核心特性

• 语义记忆检索 - 基于含义（而非关键词）查找记忆
• 百度 Embedding 集成 - 使用百度强大的 Embedding-V1 模型
• SQLite 持久化存储 - 本地、安全的存储，无外部依赖
• 零数据泄露 - 所有处理均在本地完成，仅使用您的 API 凭证
• 灵活的标签系统 - 使用自定义标签和元数据组织记忆
• 高性能 - 优化的向量相似度计算
• 易于迁移 - 可作为 memory-lancedb 系统的直接替代品

🎯 适用场景

• 对话上下文 - 记忆用户偏好与对话历史
• 知识管理 - 基于语义存储和检索信息
• 个性化服务 - 维护用户特定的设置和偏好
• 信息检索 - 基于含义查找相关信息
• 数据组织 - 使用标签和元数据结构化记忆

📋 前置要求

• 已安装 Clawdbot
• 百度千帆 API 凭证（API Key 和 Secret Key）
• Python 3.8 或更高版本
• 初始 API 调用需要网络连接

🛠️ 安装指南

手动安装

1. 将技能文件放入您的 ~/clawd/skills/ 目录
2. 安装依赖项（如需任何 Python 包）
3. 配置您的百度 API 凭证

配置

设置环境变量：

export BAIDU_API_STRING='${BAIDU_API_STRING}'
export BAIDU_SECRET_KEY='${BAIDU_SECRET_KEY}'

🚀 使用示例

基础用法

from memory_baidu_embedding_db import MemoryBaiduEmbeddingDB

# 初始化记忆系统
memory_db = MemoryBaiduEmbeddingDB()

# 添加一条记忆
memory_db.add_memory(
    content="用户偏好简洁的回复，并喜欢技术讨论",
    tags=["用户偏好", "沟通风格"],
    metadata={"重要性": "高"}
)

# 使用自然语言搜索相关记忆
related_memories = memory_db.search_memories("用户有什么偏好？", limit=3)

高级用法

# 添加带有丰富元数据的多条记忆
memory_db.add_memory(
    content="用户最喜欢的编程语言是 Python 和 JavaScript",
    tags=["技术偏好", "编程"],
    metadata={"置信度": 0.95, "来源": "对话-2026-01-30"}
)

# 使用标签过滤进行搜索
filtered_memories = memory_db.search_memories(
    query="编程语言",
    tags=["技术偏好"],
    limit=5
)

🔧 集成方式

本技能可与 Clawdbot 的记忆系统无缝集成，作为 memory-lancedb 的直接替代品。只需更新您的配置以使用此记忆系统即可。

📊 性能指标

• 向量维度：384（百度 Embedding-V1 输出）
• 存储：SQLite 数据库（约每 1000 条记忆 1MB）
• 搜索速度：约 50 毫秒（针对 1000 条记忆，典型硬件）
• API 延迟：取决于百度 API 响应时间（通常 <500 毫秒）

🔐 安全性

• 本地存储：所有记忆均存储在本地 SQLite 数据库中
• 加密 API 密钥：凭证安全存储在环境变量中
• 无外部共享：记忆数据永不离开您的系统
• 选择性访问：对存储内容进行细粒度控制

🔄 从 memory-lancedb 迁移

1. 安装本技能 到您的 skills/ 目录
2. 配置您的百度 API 凭证
3. 初始化新系统
4. 更新您的机器人配置 以使用新的记忆系统
5. 验证数据完整性 和性能

🤝 贡献指南

欢迎贡献！您可以随时提交问题、功能请求或拉取请求来改进此技能。