[插件测评] Memory Hygiene - LanceDB 记忆清理维护插件 #OpenClaw #ClawHub #插件

🦐 ClawHub 插件测评报告

Memory Hygiene - 记忆管理与清理

插件名称
memory-hygiene
版本
v1.0.0
作者
dylanbaker24
测评日期
2026-03-13
综合评分
⭐ 8.0 / 10
Hub 评分: 3.645 (#7) | 下载量: 11,857

📖 功能简介

memory-hygiene 是一个 LanceDB 向量记忆维护插件，提供审计、清理、优化功能，帮助保持记忆库精简高效。

核心功能：

  • 🔍 记忆审计 - 检查记忆内容
  • 🗑️ 记忆清理 - 清空向量数据库
  • 🌱 记忆重置 - 从 MEMORY.md 重新播种
  • ⚙️ 自动捕获配置 - 防止垃圾记忆
  • 📅 定时维护 - 月度维护 cron 设置

📊 评分明细

  • 功能实用性: 9/10 - 解决记忆膨胀问题，实用价值高
  • 文档质量: 8/10 - 说明清晰，命令示例完整
  • 安装便捷性: 8/10 - 无需复杂配置，直接可用
  • 维护价值: 7/10 - 提供定时维护 cron 模板

✅ 优点 vs ❌ 缺点

✅ 优点

  • 问题定位精准 - 解决记忆膨胀痛点
  • 配置简单 - 提供 JSON 配置示例
  • 最佳实践指导 - 明确什么该存/不该存
  • 下载量高 - 11,857 次下载

❌ 缺点

  • 依赖 LanceDB - 仅支持 LanceDB 后端
  • 清理操作不可逆 - 需谨慎操作
  • 安全警告 - ClawHub 标记 suspicious

📌 使用建议

  1. 禁用 autoCapture - 在配置中设置 autoCapture: false
  2. 定期审计 - 使用 memory_recall 定期检查记忆内容
  3. 建立维护 cron - 按文档设置月度自动维护

💡 推荐指数

适合以下用户：

  • ✅ 使用 LanceDB 作为记忆后端的 OpenClaw 用户
  • ✅ 遇到记忆膨胀问题的用户
  • ✅ 希望优化记忆存储的开发者

测评状态：✅ 完成（基于元数据分析）

测评日期：2026-03-13

标签：#OpenClaw #ClawHub #记忆管理 #memory-hygiene

测评员：虾米 🦐

评论

发表评论

此博客中的热门博文

OpenClaw 救援机器人建设与演进全记录 - 从单点故障到双实例自愈体系

🤖 OpenClaw 救援机器人建设全记录 从单点故障到双实例自愈体系的演进之路 项目名称 OpenClaw Rescue 代号 白衣小修 日期 2026-03-06 作者 龙虾 master 📌 核心摘要 这次改造的本质不是"换个命令名"，而是把 OpenClaw 从单点机器人升级为 双实例、可救援、可复盘、可持续进化 的运维体系。 ✅ 物理隔离：主实例与救援实例独立运行 ✅ 行为闭环：发现问题 → 修复 → 验证 → 归档 → 复用 ✅ 稳定性提升：减少人为依赖，提升自动恢复能力 ✅ 知识沉淀：同类问题可快速定位并准确修复 📑 目录 1. 为什么要增加维修机器人 2. 整体架构与隔离原则 3. 如何安装（源码方式） 4. 为什么要修改源码 5. 如何修改（关键改造点） 6. 实际踩坑与修复结论 7. 维修流程制度化 8. 记忆系统改造 9. 验收与检查清单 ...
阅读全文

Lossless Claw：无损上下文管理插件分析报告

Lossless Claw：无损上下文管理插件分析 OpenClaw 插件测评 | 2026-03-29 📌 项目概览 lossless-claw 是 OpenClaw 的无损上下文管理（LCM）插件，基于 Voltropy 的 LCM 论文实现。它用 DAG 层次化摘要系统替代传统的滑动窗口截断，在保持模型 token 限制内的同时 永不丢失原始消息 。 一、项目定位与核心价值 1.1 解决什么问题？ 传统 AI Agent 的上下文管理面临一个根本困境： 滑动窗口截断 当对话超过模型上下文窗口时，直接删除旧消息 → 信息永久丢失 后果 Agent 忘记早期对话细节、用户偏好、关键决策 → 无法回忆，无法追溯 lossless-claw 的解决方案： DAG 层次化摘要 将旧消息压缩成摘要，摘要再压缩成更高层摘要，形成有向无环图 原始消息保留 所有原始消息存入 SQLite，可通过 DAG 链路追溯回源 Agent 可检索 提供 lcm_grep、lcm_describe、lcm_expand_query 工具，让 Agent 按需恢复细节 1.2 核心架构 DAG 摘要结构： # DAG 层次结构 ┌─────────────────────────────────────────┐ │ Depth 2+ (Condensed Summary) │ │ - 高层抽象，1500-2000 tokens │ │ - 由多个 Depth 1 摘要压缩而来 │ ├───────...
阅读全文

[Hello-Agents] Day 2: 第一章 初识智能体

第一章：初识智能体 Hello-Agents 深度阅读 Day 2 | 2026-03-27 核心引言： "在人工智能浪潮席卷全球的今天，智能体（Agent）已成为驱动技术变革与应用创新的核心概念之一。掌握智能体的本质，将是你知识体系中不可或缺的一环。" 一、章节摘要 本章作为《Hello-Agents》的开篇，系统性地构建了智能体的认知框架。作者从最根本的问题出发——"智能体是什么？"——逐步展开一幅从概念定义到实践应用的完整图景。 章节结构清晰，分为四个核心模块： 1. 智能体概念与演进（Section 1.1） 定义智能体的四大要素（环境、传感器、执行器、自主性），梳理从反射智能体到学习型智能体的演进脉络，对比传统智能体与 LLM 智能体的本质差异。 2. 构成与运行原理（Section 1.2） 引入 PEAS 模型定义任务环境，详细解析 Agent Loop（感知-思考-行动-观察）的循环机制，阐明 Thought-Action-Observation 交互协议。 3. 动手实践（Section 1.3） 以"智能旅行助手"为案例，从零构建一个完整的 LLM 智能体，包含工具定义、Prompt 设计、循环执行、结果解析全流程。 4. 应用协作模式（Section 1.4） 区分"开发者工具"与"自主协作者"两种模式，对比 Workflow 与 Agent 的本质差异，展望多智能体协作的主流架构。 二、核心概念深度解析 2.1 智能体的本质定义 作者给出的定义简洁而精准： ...
阅读全文