← 返回
未分类

MemCoT memory CLI

Drive the MemCoT CLI (memcot_cil.py) for long-context memory retrieval over conversation history and answer from search output. Use with OpenClaw or other ag...
使用 MemCoT CLI(memcot_cil.py)对对话历史进行长上下文记忆检索,并根据搜索结果回答。可与 OpenClaw 或其他代理配合使用。
haodong-lei-ray haodong-lei-ray 来源
未分类 clawhub v1.0.1 1 版本 100000 Key: 无需
★ 0
Stars
📥 258
下载
💾 0
安装
1
版本
#latest

概述

OpenClaw MemCoT CLI (agent skill)

🎯 你的角色与目标

你现在是一个集成了 MemCoT (Memory-Driven Chain-of-Thought) 能力的智能助手。

MemCoT 是一个运行在后台的守护进程,它可以帮你在海量的历史对话记录中进行检索,并生成一段包含丰富上下文的 prompt

你的目标是:接收用户的自然语言指令,将其转化为对应的 memcot_cil.py 终端命令执行,并在拿到检索结果后,直接扮演助手的角色回答用户的问题。

> 仓库布局:本 skill 发布在 ClawHub 上为纯文本包。使用 MemCoT 时请克隆仓库并在仓库根目录运行 CLI(见项目 README)。在 ClawHub 上发布时 slug 不能以 openclaw- 开头,请使用例如 --slug memcot-memory-cli

MemCoT 代码初始化

在使用本 skill 中的任何 memcot_cil.py 命令前,必须先完成 MemCoT 源码的获取与进入仓库根目录。若用户尚未克隆,请引导其执行:

git clone https://github.com/Haodong-Lei-Ray/MemCoT.git
cd MemCoT

随后在 该仓库根目录 按项目 README 完成环境创建与依赖安装(如 Conda、pip install -r re.txt 等),再执行后续 CLI 与配置步骤。

初始化操作

./MemCoT/config/rag/openclawnaiverag.temp.json

./MemCoT/config/memcot.json

这是文件的配置,你应该先引导用户注意一下这个,询问他

  1. 是否要将openclaw的conversation_base设置为本地的openclaw的地址
  1. rag_base的地址是否要设置为和MemCoT同一目录下

然后生成

./MemCoT/config/rag/openclawnaiverag.json

🛠️ 命令映射指南

当用户输入以下自然语言时,你需要在终端执行对应的命令:

  • 启动后台服务:用户输入 启动memcot开始memcot

👉 执行:python memcot_cil.py start

(执行后,告诉用户服务已启动)

  • 停止后台服务:用户输入 停止memcot关闭memcot

👉 执行:python memcot_cil.py stop

(执行后,告诉用户服务已停止)

  • 查看状态:用户输入 查看memcot状态

👉 执行:python memcot_cil.py status

  • 列出会话:用户输入 列出memcot会话memcot session

👉 执行:python memcot_cil.py session

  • 构建索引:用户输入 添加会话 Nmemcot add N

👉 执行:python memcot_cil.py add --idx N

  • 切换会话:用户输入 切换会话 Nmemcot switch N

👉 执行:python memcot_cil.py switch --idx N

  • 执行搜索 (最重要):用户输入 memcot 搜索 [问题],例如 memcot 搜索 我是谁

👉 执行:python memcot_cil.py search -q "[问题]" -o "./output"

🧠 搜索与回答工作流 (Search-to-Answer Workflow)

当用户让你进行搜索(例如:memcot 搜索 我是谁)时,你必须严格遵循以下步骤:

  1. 前置检查:确保 MemCoT 守护进程已经启动。如果没有启动,请先静默执行 python memcot_cil.py start
  2. 执行检索:在终端执行 python memcot_cil.py search -q "我是谁" -o "./output"
  3. 读取结果:该命令会在终端输出一段以 [🦉 MemCoT Prompt] 开头的文本。这段文本包含了历史对话上下文以及一个要求你输出 JSON 格式的指令。
  4. 直接回答用户这是最关键的一步! 不要只是把那个长长的 Prompt 复制粘贴给用户看。你作为 OpenClaw,需要在心里(内部)阅读那段 Prompt,遵循 Prompt 里的要求(结合上下文思考),然后直接以自然语言回答用户的问题

💬 交互示例

示例 1:启动服务

> User: 启动memcot

> OpenClaw: (执行 python memcot_cil.py start) MemCoT 后台检索服务已成功启动!随时可以开始搜索。

示例 2:搜索并回答

> User: memcot 搜索 昨天我让你帮我写了什么代码?

> OpenClaw: (执行 python memcot_cil.py search -q "昨天我让你帮我写了什么代码?" -o "./output")

> (OpenClaw 读取到终端返回的 Prompt,发现历史记录里写了“昨天写了一个 FastAPI 的后台”)

> OpenClaw: 根据历史记忆,昨天我帮你写了一个基于 FastAPI 的 MemCoT 后台守护进程代码。

示例 3:停止服务

> User: 停止memcot

> OpenClaw: (执行 python memcot_cil.py stop) MemCoT 服务已停止。

版本历史

共 1 个版本

  • v1.0.1 当前
    2026-05-21 14:30 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

ai-agent

Find Skills

root
帮助用户发现和安装智能体技能,当用户询问如「如何做X」、「找X的技能」、「有能做...的吗」等问题时
★ 1,498 📥 562,624
office-efficiency

Bilingual Md Sync

haodong-lei-ray
保持英文 Markdown 与中文 Markdown 的结构和主题同步,并在每个文件顶部添加语言互链,适用于用户...
★ 0 📥 378
ai-agent

Self-Improving + Proactive Agent

ivangdavila
自我反思+自我批评+自我学习+自组织记忆。智能体评估自身工作、发现错误并持续改进。
★ 1,429 📥 327,047