Lily Memory 是一款专为 OpenClaw 代理设计的持久记忆插件，旨在赋予 AI 代理长期记忆能力，使其在会话重置、内存压缩或重启后仍能保留关键信息。该插件通过结合 SQLite FTS5 关键字搜索与 Ollama 向量语义搜索技术，实现了高效的混合检索机制，确保代理能够快速定位相关历史事实。其核心理念是让代理像人类一样‘记住’对话中的关键细节，从而提升连续交互的一致性与深度。 插件支持全自动的记忆捕获与回忆流程：在每次 LLM 调用前自动注入最相关的过往记忆作为上下文；同时在代理输出中自动识别并提取形如 ‘实体: 键 = 值’ 的事实结构，存入数据库。这种双重机制既保证了记忆的连续性，又避免了手动干预的繁琐。此外，Lily Memory 具备智能卡顿检测功能，当系统检测到话题重复循环时，会主动触发反思提示（Reflexion nudge），引导代理跳出思维定式，提升创造性解决问题的能力。 值得一提的是，该插件采用模块化设计，即使在没有 Ollama 服务的情况下也能降级运行纯关键词搜索模式，确保基础功能的稳定可用。所有数据存储于本地 SQLite 数据库，依赖 minimal 的 native 模块（如 better-sqlite3 和 fetch），保障了安全性和性能。整体架构兼顾效率与灵活性，适合需要长期记忆支持的复杂多轮对话场景。
核心功能特点
- 自动捕获与存储对话中的结构化事实（如实体-属性关系）
- 混合检索机制：结合 SQLite FTS5 关键词搜索与 Ollama 向量语义相似度匹配
- 内置卡顿检测算法，识别话题重复并主动提示代理进行反思调整
- 支持动态实体管理，允许运行时添加新的关注对象
- 启动时自动去重合并重复记忆条目，保持知识库整洁高效
适用场景
Lily Memory 特别适用于那些要求代理维持跨会话一致性的应用场景。例如在一个客户服务机器人系统中，每当用户再次联系时，代理都能准确回忆起此前的问题处理记录、偏好设置甚至情绪状态，从而提供连贯且个性化的服务体验。这种能力对于医疗咨询助手尤为关键——医生助理可以追踪患者的病史演变、用药反应及症状变化，形成完整的诊疗时间线。 在教育辅导类代理中，该插件同样表现出色。无论是数学解题教练还是语言学习伙伴，都可以持续记录学生的学习进度、常见错误模式和掌握程度，据此动态调整教学策略。比如发现某学生在分数运算上反复出错，代理便能从记忆中调取之前的相关练习记录，针对性地强化训练。 另一个典型用例是创意写作辅助工具。作者在与代理协作创作小说时，代理能记住人物设定、情节伏笔和世界观细节，避免前后矛盾。当故事发展到后期需要呼应早期线索时，代理可迅速检索并整合这些信息，增强叙事逻辑的严密性。此外，在代码审查或项目管理类代理中，Lily Memory 也有助于跟踪任务状态变更、技术决策依据等关键信息，提升协作效率。