← 返回
未分类

M-Flow Memory

基于 M-Flow 框架实现的四阶段记忆管理,支持记忆添加、索引、向量和三元组多模式搜索及记忆蒸馏。
基于 M-Flow 框架实现的四阶段记忆管理,支持记忆添加、索引、向量和三元组多模式搜索及记忆蒸馏。
sora-mury
未分类 clawhub v1.0.0 1 版本 100000 Key: 无需
★ 0
Stars
📥 333
下载
💾 0
安装
1
版本
#latest

概述

M-Flow Memory Skill

描述

基于 M-Flow 的记忆系统,提供 Karpathy 风格的 4 阶段记忆管理工作流。

M-Flow 是一个集成了 Cone Graph、向量搜索 (LanceDB) 和图数据库 (Kuzu) 的记忆框架。

激活条件

  • 用户请求记忆 distillation、memory search、记忆管理
  • 需要 Karpathy LLM Knowledge Base 工作流

核心功能

1. 记忆添加 (add)

from m_flow_memory import MFlowMemory

memory = MFlowMemory()
await memory.add("session content or knowledge point")

2. 记忆索引 (memorize)

await memory.memorize()  # 索引所有未处理的内容

3. 记忆搜索 (search)

# 全文搜索 (BM25)
results = await memory.search("query", mode="lexical")

# 向量搜索 (Cone Graph)
results = await memory.search("query", mode="episodic")

# 三元组搜索
results = await memory.search("query", mode="triplet")

M-Flow 配置要求

必需环境变量

HF_HUB_OFFLINE=1

.env 配置 (m_flow/.env)

LLM_PROVIDER="ollama"
LLM_MODEL="ollama/qwen2.5:14b-instruct-q8_0"
OLLAMA_BASE_URL="http://localhost:11434/v1"
LLM_ENDPOINT="http://localhost:11434/v1"
LLM_API_KEY="ollama"

EMBEDDING_PROVIDER="ollama"
EMBEDDING_MODEL="nomic-embed-text:latest"
EMBEDDING_ENDPOINT="http://localhost:11434/v1/embeddings"
EMBEDDING_DIMENSIONS=768

VECTOR_DB_PROVIDER=lancedb
DB_PROVIDER=sqlite
GRAPH_DATABASE_PROVIDER=kuzu

LanceDB 版本

⚠️ 重要: LanceDB 必须使用 0.26.0(0.27.1 有 bug)

uv pip install lancedb==0.26.0

Karpathy 4 阶段工作流

Phase 0: 审计与激活

  • 清点现有资源
  • 建立 KNOWLEDGE-STANDARDS.md
  • 激活 knowledge-archive collection

Phase 1: Query → Wiki 回流

  • 用户发起查询
  • 结果存入 wiki 层
  • 格式规范: source | content | tags | timestamp

Phase 2: Compile 层

  • 使用 knowledge-distillation skill
  • session → knowledge points
  • wiki → structured knowledge

Phase 3: Lint 层

  • 每周健康检查
  • 去重、合并、更新

Phase 4: M-Flow 集成

  • MCP server (需要 m_flow>=0.5.0)
  • 多 Agent 共享

目录结构

m-flow-memory/
├── SKILL.md           # 本文件
├── scripts/
│   ├── __init__.py
│   ├── client.py      # M-Flow Python 客户端封装
│   ├── distill.py     # 记忆蒸馏
│   ├── query.py       # 记忆查询
│   └── config.py      # 配置
└── docs/
    └── README.md      # 详细文档

使用示例

添加记忆

await memory.add("用户询问了 OpenClaw 的记忆系统架构")

搜索记忆

# 混合搜索
results = await memory.search(
    "OpenClaw memory system",
    mode="episodic",
    top_k=10
)

记忆蒸馏

# 从会话中提取知识要点
knowledge_points = await memory.distill(session_transcript)

已知限制

  1. M-Flow REST API 需要认证(当前配置为开发模式)
  2. Kuzu 图数据库在 Windows 上可能有文件锁定问题
  3. LanceDB 0.27.1 有 bug,必须使用 0.26.0

依赖

  • m-flow >= 0.3.1
  • lancedb == 0.26.0
  • ollama (本地运行)
  • HF_HUB_OFFLINE=1

版本历史

共 1 个版本

  • v1.0.0 当前
    2026-05-07 15:43 安全 安全

安全检测

腾讯云安全 (Keen)

安全,无风险
查看报告

腾讯云安全 (Sanbu)

安全,无风险
查看报告

🔗 相关推荐

Karpathy Query Feedback

sora-mury
通过 M-Flow 搜索记忆,执行 Karpathy LLM 查询,将结果格式化为 wiki 条目并保存,以备后续汇总。
★ 0 📥 395

Karpathy Lint

sora-mury
对Karpathy LLM知识点进行质量检查,包括去重、合并、更新,并生成知识库健康报告。
★ 0 📥 373

Karpathy Compile

sora-mury
将第一阶段的原始Wiki条目编译为结构化、提炼的知识要点,使用LLM按主题分组并保存精炼的输出。
★ 0 📥 449