本地语义记忆 · 零配置向量搜索

OpenClaw 本地语义记忆插件，基于 Qdrant 向量库与 Transformers.js，零配置实现对话上下文的存储、搜索与召回，无需 API Key。

基本信息

• 技能名称?OpenClaw Memory Qdrant
• 中文名称?本地语义记忆 · 零配置向量搜索
• 作者?zuiho-kai
• 分类?专业技能
• 版本?1.0.10
• 标签?memory, semantic-search, vector-db, local-ai, qdrant, transformers, embeddings, context, privacy

使用方法

使用说明
核心用法
memory-qdrant 是一款专为 OpenClaw 设计的本地语义记忆插件，通过 Qdrant 向量数据库与 Transformers.js 嵌入模型，实现对话上下文的智能存储与检索。核心功能围绕三个工具展开：
memory_store ：保存结构化信息，支持分类标签（如 preference ）
memory_search ：基于语义相似度检索相关记忆，可设置返回数量
memory_forget ：通过 ID 或查询文本删除特定记忆
默认采用 内存模式 （零配置），数据随进程重启清除；也可连接外部 Qdrant 服务实现持久化。首次运行自动下载约 25MB 的 Xenova/all-MiniLM-L6-v2 嵌入模型。
显著优点
完全本地化 ：无需 API Key，无外部服务依赖，隐私可控
零配置启动 ：内存模式开箱即用，降低部署门槛
语义理解 ：基于 Transformer 的嵌入模型，支持模糊匹配与语境关联
灵活集成 ：可选自动捕获（opt-in）与自动召回机制，适配不同工作流
潜在局限
原生依赖编译 ： sharp 、 onnxruntime 等依赖可能需要本地构建工具链
首启下载延迟 ：25MB 模型需从 Hugging Face 首次拉取
内存模式易失性 ：重启后数据丢失，长期记忆需额外配置 Qdrant 服务
自动捕获隐私风险 ：开启 autoCapture 后，正则触发模式可能捕获邮箱、电话等 PII
适合人群
注重数据隐私、希望避免云端 API 的开发者
需要为 OpenClaw 代理构建上下文记忆能力的用户
具备 Node.js 环境、能接受首次依赖安装的技术用户
常规风险
PII 泄露 ： autoCapture 默认关闭，但启用后需谨慎评估触发规则
外部 Qdrant 信任问题 ：持久化模式需确保服务端可信
模型供应链 ：依赖 Hugging Face 模型下载，需考虑网络可用性与完整性校验