MemoryVectorSearchbyzc

Description

统一的记忆向量检索技能。基于 BGE‑ONNX 嵌入和 Chromadb‑Document‑Vectorizer，实现：

• 语义向量检索（512 维 L2‑归一化）
• BM25 + 向量混合检索（RRF 融合），use_hybrid_search=True
• 增量向量化（新增/更新记忆文件）
• 向量库大小监控与自动清理（可配置阈值）
• 完全自包含：复制 MemoryVectorSearchbyzc/ 目录到另一台机器即可直接使用（只要模型文件路径可达）。

Files

• memory_vector_searchbyzc.py – 主实现，提供 MemoryVectorSearchbyzc 类。
• requirements.txt – 依赖列表（onnxruntime、numpy、rank_bm25）。
• config.json – 默认配置，可自行覆盖路径、大小阈值等。
• SKILL.md – 本说明文件。

Usage

from skills.MemoryVectorSearchbyzc.memory_vector_searchbyzc import MemoryVectorSearchbyzc

# 初始化（读取 config.json）
searcher = MemoryVectorSearchbyzc()

# 语义检索（混合检索已开启）
results = searcher.search("OpenClaw 多 Agent 协作系统", top_k=5)
for r in results:
    print(r['similarity'], r['content'][:200])

# 增量添加新记忆文件
searcher.add_file(r"C:\\path\\to\\new_note.md")

# 手动触发库大小检查与清理（亦可在 cron 中调用）
searcher.run_maintenance()

Configuration (config.json)

{
  "bge_model_path": "C:/Users/Administrator/bge-small-zh-v1.5-onnx/onnx/model.onnx",
  "vector_store_dir": "C:/Users/Administrator/.openclaw/workspace/memory_vectors",
  "use_hybrid_search": true,
  "size_limit_mb": 500,
  "cleanup_keep_latest": 30
}

• size_limit_mb：向量库超过该大小（MB）时自动触发清理。
• cleanup_keep_latest：保留最近 N 天的切片不被删除。

Dependencies (requirements.txt)

onnnxruntime
numpy
rank_bm25

Notes

• 所有日志均使用 [INFO]、[WARN] 前缀，避免 Unicode Emoji，兼容 Windows GBK 控制台。
• 复制技能目录到另一台机器后，只需确保 config.json 中的 bge_model_path 与 vector_store_dir 正确即可立即使用。