本地向量记忆，对话自动唤醒

本地Ollama+ChromaDB构建长期语义记忆，每轮自动召回相关上下文，零云端依赖完全自托管。

基本信息

• 技能名称?Chromadb Memory Pub
• 中文名称?本地向量记忆，对话自动唤醒
• 作者?msensintaffar
• 分类?其他
• 版本?1.2.1
• 标签?memory, chromadb, ollama, vector-search, local, self-hosted, auto-recall, rag, privacy-first

使用方法

使用说明
核心用法
ChromaDB Memory 为 OpenClaw Agent 提供基于向量数据库的长期记忆能力。部署时需先启动 ChromaDB 容器（默认端口8100）和 Ollama 服务（默认端口11434），并拉取 nomic-embed-text 嵌入模型。用户需自行将文档索引至 ChromaDB 集合中，插件配置通过 ~/.openclaw/openclaw.json 完成，支持集合名称或 UUID 指定、Ollama 服务端点自定义等参数。
核心机制为 自动召回（Auto-recall） ：每轮用户输入时，插件先将消息通过 Ollama 本地嵌入为 768 维向量，再查询 ChromaDB 获取最相似记忆，高于 minScore 阈值的结果以 标签注入上下文。同时提供 chromadb_search 工具供手动检索。
显著优点
完全离线 ：零调用 OpenAI/Anthropic 等云端 API，数据不出本地硬件
架构简洁 ：Ollama 嵌入 + ChromaDB 检索的标准 RAG 链路，易于理解和调试
召回自动化 ：无需显式触发，每轮对话自动检索相关历史，降低用户认知负担
成本可控 ：每轮约 275 token 的上下文注入，在 200K+ 大上下文模型中开销可忽略
灵活调参 ：相似度阈值、召回数量、开关控制均可运行时调整
潜在局限
基础设施负担 ：需用户自行维护 ChromaDB 和 Ollama 两个服务，增加了部署复杂度
索引门槛 ：文档需外部工具预先写入 ChromaDB，插件本身不提供索引能力
语义漂移风险 ：长期记忆中过时信息可能因高相似度被反复召回，缺乏时间衰减或遗忘机制
无多租户隔离 ：同一集合内记忆全局可见，多用户场景可能产生交叉污染
依赖特定嵌入模型 ：切换嵌入模型需重新索引全部文档，迁移成本较高
适合人群
隐私敏感型企业用户、需要处理本地知识库的技术团队、追求完全离线部署的 AI 应用开发者，以及已具备 Docker 和向量数据库运维经验的管理员。
常规风险
服务可用性 ：ChromaDB 或 Ollama 故障将导致记忆功能完全失效，需监控健康状态
数据持久化 ：ChromaDB 默认配置可能使用容器内存储，生产环境需挂载卷防止数据丢失
召回质量控制 ：低 minScore 可能引入噪音，高阈值则可能漏掉关键上下文，需针对领域调优
token 膨胀 ：虽然单次开销小，但高频对话场景下累积注入可能逼近上下文上限