Name: Memory Complete
Author: openclaw

스킬 검색.../

Memory Complete | Skills Pool

python scripts/init_complete_database.py

python scripts/verify_complete_install.py

from complete_memory_system import CompleteMemorySystem

# 初始化
system = CompleteMemorySystem()
system.initialize()

# 添加记忆
mem_id = system.add_memory(
    memory_type="learning",
    title="学习Python",
    content="今天学习了Python基础语法",
    importance=8
)

# 搜索记忆
results = system.search("Python", limit=10)

# 智能搜索（四策略）
smart = system.smart_search("Python", mode="balanced")

# 情感分析
emotion = system.analyze_emotion("I am very happy!")

# 写日记
system.write_diary(
    summary="完成Python学习",
    learnings=["基础语法", "数据结构"],
    decisions=["继续深入学习"]
)

# 添加知识
system.add_knowledge("Python", "is", "programming_language")

# 添加技能
system.add_skill(
    skill_name="Python编程",
    skill_type="programming",
    description="Python编程技能",
    steps=["学习语法", "练习项目", "阅读源码"]
)

# 获取统计
stats = system.get_statistics()

# 关闭
system.close()

from retrieval_strategies import FourStrategyRetrieval

retrieval = FourStrategyRetrieval()

# 策略1: 按需归因检索
results = retrieval.retrieve_by_attribution("Python")

# 策略2: 时间衰减检索
results = retrieval.retrieve_by_time_decay("Python", half_life_days=30)

# 策略3: 重要性优先检索
results = retrieval.retrieve_by_importance(min_importance=8)

# 策略4: 向量语义检索
results = retrieval.retrieve_by_semantic("Python")

# 智能检索（组合模式）
smart = retrieval.smart_retrieve("Python", mode="balanced")

from memory_palace import MemPalace

palace = MemPalace()
palace.connect()

# 添加情景记忆
palace.add_episodic(
    event_type="learning",
    content="学习了MemPalace四层架构",
    emotion="curiosity",
    importance=7
)

# 添加知识（语义记忆）
palace.add_knowledge("MemPalace", "has_layer", "working_memory")

# 添加技能（程序记忆）
palace.add_skill(
    skill_name="记忆管理",
    skill_type="cognitive",
    description="记忆管理技能",
    steps=["分类", "索引", "检索"]
)

# 写日记
palace.write_diary(
    summary="完成MemPalace学习",
    learnings=["四层架构", "AAAK压缩"],
    decisions=["应用到实际项目"]
)

# 获取最近情景
episodes = palace.get_recent_episodes(limit=10)

palace.close()

from tom_engine import ToMEngine

tom = ToMEngine()
tom.initialize()

# 更新信念
tom.update_belief(
    entity="user",
    belief_type="preference",
    content="喜欢Python",
    confidence=0.8
)

# 推断意图
intent = tom.infer_intent("user", "我想学习Python")

# 检测情绪
emotion = tom.detect_emotion("user", "I am very happy!")

# 获取信念
beliefs = tom.get_beliefs("user")

tom.close()

from emotional_analyzer import EmotionalAnalyzer

analyzer = EmotionalAnalyzer()

# 分析情感
result = analyzer.analyze("I am very happy with this!")
print(f"情感: {result['primary_emotion']}")
print(f"置信度: {result['confidence']}")

# 检测情感倾向
sentiment, confidence = analyzer.detect_sentiment("This is great!")

# 生成情感响应
response = analyzer.get_emotional_response("I love this!")

# 批量分析
texts = ["I'm happy", "This is bad", "It's okay"]
results = analyzer.batch_analyze(texts)

from enhanced_retrieval import EnhancedRetrieval

retrieval = EnhancedRetrieval()
retrieval.initialize()

# 增强搜索
results = retrieval.search(
    query="Python",
    limit=10,
    min_importance=7,
    category="learning",
    days_old=30
)

# 语义搜索
results = retrieval.semantic_search("编程语言", limit=10)

# 获取相关记忆
related = retrieval.get_related_memories(memory_id=123, limit=5)

# 获取热门记忆
trending = retrieval.get_trending_memories(days=7, limit=10)

# 获取统计
stats = retrieval.get_statistics()

retrieval.close()

from ollama_embedding import OllamaEmbedding

ollama = OllamaEmbedding(model="nomic-embed-text")

# 检查连接
if ollama.check_connection():
    # 生成嵌入
    embedding = ollama.embed("Python is great")
    print(f"维度: {len(embedding)}")

    # 批量生成
    embeddings = ollama.embed_batch(["Python", "Java", "C++"])

    # 计算相似度
    sim = ollama.similarity(embedding1, embedding2)
    print(f"相似度: {sim:.2f}")

config = {
    'use_ollama': True,
    'ollama_model': 'nomic-embed-text',
    'ollama_url': 'http://localhost:11434',
    'min_confidence': 0.3,
    'cleanup_interval_days': 90
}

system = CompleteMemorySystem(config=config)

┌─────────────────────────────────────────────────────────────────┐
│                    统一记忆系统 v4.0                             │
├─────────────────────────────────────────────────────────────────┤
│                                                                 │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │            接入层 (Access Layer)                         │   │
│  │  Feishu | Telegram | Discord | Matrix | Email | Web    │   │
│  └─────────────────────────────────────────────────────────┘   │
│                           ↓                                     │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │            四层记忆栈 (Four-Layer Memory Stack)          │   │
│  │  ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐       │   │
│  │  │ 工作记忆 │ │ 情景记忆 │ │ 语义记忆 │ │ 程序记忆 │       │   │
│  │  │ Working │ │ Episodic│ │ Semantic│ │Procedural│      │   │
│  │  └─────────┘ └─────────┘ └─────────┘ └─────────┘       │   │
│  │  ┌─────────────────────────────────────────────────┐   │   │
│  │  │         Agent 日记 (AAAK 压缩格式)              │   │   │
│  │  └─────────────────────────────────────────────────┘   │   │
│  └─────────────────────────────────────────────────────────┘   │
│                           ↓                                     │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │            检索层 (Retrieval Layer)                      │   │
│  │  四策略检索 + 智能检索模式 + 语义搜索                   │   │
│  └─────────────────────────────────────────────────────────┘   │
│                           ↓                                     │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │            智能层 (Intelligence Layer)                   │   │
│  │  ToM心智模型 | 情感分析 | 自进化 | 实体检测            │   │
│  └─────────────────────────────────────────────────────────┘   │
│                           ↓                                     │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │            上下文层 (Context Layer)                      │   │
│  │  5层上下文：Session | Task | Project | Global | Meta   │   │
│  └─────────────────────────────────────────────────────────┘   │
│                           ↓                                     │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │            存储层 (Storage Layer)                       │   │
│  │  SQLite (结构化) + LanceDB (向量) + Ollama (本地)      │   │
│  └─────────────────────────────────────────────────────────┘   │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

memory/
├── SKILL.md
├── README.md
├── package.json
├── scripts/
│   ├── complete_memory_system.py      # 统一入口
│   ├── retrieval_strategies.py        # 四策略检索
│   ├── memory_palace.py               # MemPalace实现
│   ├── tom_engine.py                  # ToM引擎
│   ├── emotional_analyzer.py          # 情感分析器
│   ├── enhanced_retrieval.py          # 增强检索
│   ├── ollama_embedding.py            # Ollama嵌入
│   ├── init_complete_database.py      # 数据库初始化
│   └── verify_complete_install.py     # 安装验证
├── docs/
│   ├── GBRAIN_GUIDE.md                # GBrain指南
│   ├── GBRAIN_REPORT.md               # GBrain报告
│   ├── MEMPALACE_USAGE.md             # MemPalace使用
│   ├── ULTIMATE_V3.md                 # 终极系统v3.0
│   ├── ARCHITECTURE.md               # 架构文档
│   └── API.md                         # API文档
└── examples/
    └── complete_usage_demo.py

Memory Complete

Complete Memory System v4.0

功能特性

核心功能

GBrain核心

MemPalace功能

Memory Complete

Complete Memory System v4.0

功能特性

核心功能

GBrain核心

MemPalace功能

Ultimate Memory v3.0

数据库表（20个）

核心记忆表（4个）

工作记忆表（1个）

Agent日记表（1个）

检索策略表（1个）

GBrain表（3个）

上下文表（1个）

自进化表（1个）

工具注册表（1个）

平台消息表（1个）

会话摘要表（1个）

安全扫描表（3个）

攻击链表（1个）

配置表（1个）

安装

1. 初始化数据库

2. 验证安装

使用方法

基本使用

四策略检索

MemPalace四层记忆

Theory of Mind

情感分析

增强检索

Ollama嵌入（可选）

配置

系统配置

Ollama推荐模型

架构

文件结构

版本历史

v4.0 (2026-04-11)

许可证

作者

贡献

支持

Continuous Learning V2

Continuous Learning V2

Continuous Learning V2

Continuous Learning

Continuous Learning

Pytorch Patterns