clawdbrunner

Hybrid Memory

AI 智能体v1.0.1
作者:clawdbrunner更新于 2026-05-11共 2 个版本 · 最新版本发布于 2026-01-31hybrid-memory@clawhub_clawdbrunner/hybrid-memory
上下文管理记忆增强#Memory System

据 AlphaMoat 统计,截至 2026-09,Hybrid Memory 累计下载 3,444 次、获 1 个星标,在全部 5,078 个 AI 技能中排名第 3,227 位,在「AI 智能体」分类(969 个)中排名第 654 位。

累计安装
131
累计下载
3,444
星标
1
全站排名
#3,227
全站前 64% · 「AI 智能体」前 68%
平台累计安装累计下载星标评论
ClawHub ↗1133,3491-
SkillHub ↗1313,4441—

各平台的计数口径不同,统计时间不一致。

这个技能是做什么的

该技能帮助区分文档与整理笔记的搜索,以及时间事实、对话和实体关系的 Graphiti 查询,并提供记录重要事实的流程。持久记忆可能保存个人上下文;使用前应明确可记录内容、避免秘密和敏感个人信息,并确认数据如何查看和删除。

资料发布于 2026-10-29

可以用来做什么

  • 需要跨文档和时间线回忆历史上下文、事件或实体关系的 OpenClaw 用户。

什么时候用

  • 先区分问题需要文档检索还是时间事实回忆;记录新事实前确认其适合持久保存,并明确复核和删除方式。

示例提示词

以下是根据技能文档生成的示例,不代表实际运行结果。

请先判断这个问题应查文档记忆还是时间知识图谱;不要记录新的个人信息或敏感内容。

月度数据趋势

累计下载3,444
2,2142,8753,5352026-03 · 累计下载 2,3052026-05 · 累计下载 2,8382026-06 · 累计下载 2,9642026-07 · 累计下载 3,1702026-08 · 累计下载 3,2562026-09 · 累计下载 3,44426-0326-09
星标1
0122026-03 · 星标 12026-05 · 星标 12026-06 · 星标 12026-07 · 星标 12026-08 · 星标 12026-09 · 星标 126-0326-09

2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。

月份累计下载环比星标
2026-093,444—1
2026-083,256+2.7%1
2026-073,170+7.0%1
2026-062,964+4.4%1
2026-052,838—1
2026-032,305—1

SKILL.md 原文

以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 2026-10-23。

2.2 KB · ClawHub v1.0.1
---
name: hybrid-memory
description: Hybrid memory strategy combining OpenClaw's built-in vector memory with Graphiti temporal knowledge graph. Use when you need to recall past context, answer temporal questions ("when did X happen?"), or search memory files. Provides decision framework for when to use memory_search vs Graphiti.
---

# Hybrid Memory System

Two memory systems, each with different strengths. Use both.

## When to Use Which
展开全部(共 85 行)

| Question Type | Tool | Example |
|--------------|------|---------|
| Document content | `memory_search` | "What's in GOALS.md?" |
| Curated notes | `memory_search` | "What are our project guidelines?" |
| Temporal facts | Graphiti | "When did we set up Slack?" |
| Conversations | Graphiti | "What did the user say last Tuesday?" |
| Entity tracking | Graphiti | "What projects involve Alice?" |

## Quick Reference

### memory_search (Built-in)

Semantic search over markdown files (`MEMORY.md`, `memory/**/*.md`).

```
memory_search query="your question"
```

Then use `memory_get` to read specific lines if needed.

### Graphiti (Temporal)

Search for facts with time awareness:

```bash
graphiti-search.sh "your question" GROUP_ID 10
```

Log important facts:

```bash
graphiti-log.sh GROUP_ID user "Name" "Fact to remember"
```

Common group IDs:
- `main-agent` — Primary agent
- `user-personal` — User's personal context

## Recall Pattern

When answering questions about past context:

1. **Temporal questions** → Check Graphiti first
2. **Document questions** → Use `memory_search`
3. **Uncertain** → Try both, combine results
4. **Low confidence** → Say you checked but aren't sure

## AGENTS.md Template

Add to your AGENTS.md:

```markdown
### Memory Recall (Hybrid)

**Temporal questions** ("when?", "what changed?", "last Tuesday"):
```bash
graphiti-search.sh "query" main-agent 10
```

**Document questions** ("what's in X?", "find notes about Y"):
```
memory_search query="your query"
```

When answering past context: check Graphiti for temporal, memory_search for docs.
```

## Setup

Full setup guide: https://github.com/clawdbrunner/openclaw-graphiti-memory

**Part 1: OpenClaw Memory** — Configure embedding provider (Gemini recommended)
**Part 2: Graphiti** — Deploy Docker stack, install sync daemons

「AI 智能体」分类下的热门技能

数据月份:2026-09 · 下载/星标/安装数聚合自公开技能注册库(ClawHub、SkillHub),按月更新。口径说明见数据方法。