mcpField
V
vector-memory

vector-memory

github.com/winsorllcAgent 工作流0151 次安装35 周前更新
代码仓库

关于 vector-memory

为 Agent 提供基于向量的语义记忆技能，通过 OpenAI API 生成嵌入，并以 JSON 保存文本和元数据。无需外部向量数据库，可按含义检索、查找相似记忆及管理存储内容。

主要功能

  1. 01自动生成文本嵌入
  2. 02按语义相似度搜索记忆
  3. 03按 ID 查找相似记忆
  4. 04存储时间戳和标签等元数据
  5. 05列出、删除或清空记忆

适用场景

  1. 01让 Agent 按含义检索过往对话
  2. 02查找与指定记忆相似的文档
  3. 03将相关记忆分组或聚类

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/winsorllc/upgraded-carnival --skill vector-memory

安装后在 Claude Code 中输入/vector-memory确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

test-results.json
test.js
vector-memory.js

详细介绍

向量记忆技能

此技能使用嵌入实现基于向量的语义记忆存储，便于按含义智能检索。

适用场景

  • 需要语义搜索（按含义而非关键词查找记忆）
  • 想要检索相似的文档或对话
  • 正在构建需要上下文感知记忆的 Agent
  • 需要对相关记忆进行聚类或分组

功能

  • vstore：存储文本并自动生成嵌入
  • vsearch：按语义相似度搜索记忆
  • vdelete：按 ID 删除记忆
  • vlist：列出所有已存储的记忆
  • vsimilar：查找与指定 ID 相似的记忆
  • vclear：清除所有记忆

工作原理

  1. 使用 OpenAI 的 API 将文本转换为嵌入
  2. 将嵌入与元数据一起存储在 JSON 中
  3. 使用余弦相似度查找语义相关的记忆
  4. 无需外部向量数据库——仅使用 JSON 存储

环境变量

必需：

  • OPENAI_API_KEY - 用于生成嵌入

可选：

  • VECTOR_MEMORY_DIM - 嵌入维度（默认值：text-embedding-ada-002 为 1536）

使用示例

// Store a memory with semantic embedding
vstore('Meeting notes: Discussed Q1 roadmap and budget allocation')
// Returns: "Stored memory with ID: mem_abc123"

// Search by meaning (not keywords)
vsearch('What did we talk about regarding money?')
// Returns: Memories about budget, funding, financial discussions

// Find similar memories
vsimilar('mem_abc123')
// Returns: Semantically similar memories

// List all memories
vlist()
// Returns: List of stored memories with metadata

// Clear all
vclear()
// Returns: "Cleared all vector memories"

功能特性

  • 语义搜索：按含义而非关键词查找
  • 相似度评分：按相关性分数对结果排序
  • 自动生成嵌入：无需手动生成向量
  • 元数据支持：为记忆存储时间戳和标签
  • 纯 JSON：不依赖外部数据库

评论

支持 Markdown