memory-lancedb-namespaced

Per-Agent isoliertes LanceDB-Memory-Plugin für OpenClaw. Jeder Agent hat seine eigene Datenbank unter {baseDbPath}/{agentId}/.

Aktuelle Version: 3.2.0 — OpenClaw-native Memory-Augment-Integration. Die Kompatibilität umfasst stabile Tool-Contracts fuer memory_recall, memory_store, memory_forget und knowledge_update, die optionale OpenClaw-native Embedding-Provider-Bridge fuer plur1bus-openai, plur1bus-openai-compatible und plur1bus-e5-small, Hook-basiertes Auto-Capture/Auto-Recall, Turn Journal, MemoryCandidates, Origin/Trust-Metadaten, BehaviorCards, Curation und Corpus-/Prompt-Supplements.

Mindestversion: OpenClaw 2026.5.12-beta.6 oder neuer. PLUR1BUS v3.2 ist gegen OpenClaw 2026.5.12 validiert; ältere OpenClaw-Versionen bleiben beim v2.1.x-Zweig.

ClawHub-Installationsbeispiel:

openclaw plugins install clawhub:@cyb3rb1ade/plur1bus-memory

PLUR1BUS bleibt ein Augment-Plugin. memory-core bleibt OpenClaw-Memory-Slot- Owner; PLUR1BUS setzt kein kind:"memory" und nutzt keine Memory-Capability- Registrierung.

Features

• Auto-Recall — injiziert relevante Memories als <relevant-memories> vor jedem Turn (Summaries, nicht Volltext)
• Auto-Capture — speichert relevante Nachrichten automatisch nach jedem Turn
• Re-Ranker — provider-aware: Cohere ist stabiler Remote-Default, disabled bleibt Vector-only, lokaler GTE-Reranker ist experimental bis zum grünen Local-Model-Smoke
• LLM-Summaries — automatische ≤150-Wort-Kurzfassung via LLM bei Store und Recall
• TTL — optionale Lebensdauer (session = 1 Tag, short = 14 Tage, default = permanent)
• Conflict-Logging — widersprüchliche decision-Memories verschiedener Agenten werden in conflict-log.jsonl protokolliert
• Merging — semantisch ähnliche Memories (Score 0.70–0.94) werden via LLM zusammengeführt
• Provider-neutral — der OpenClaw-Haupt-LLM bleibt frei; Embeddings nutzen OpenAI/OpenAI-kompatible Provider oder experimentell lokal intfloat/multilingual-e5-small; optionale LLM-Features brauchen ein explizit gesetztes OpenAI-kompatibles Chat-Modell
• OpenClaw-native Provider-Bridge — contracts.memoryEmbeddingProviders und api.registerMemoryEmbeddingProvider exponieren plur1bus-openai, plur1bus-openai-compatible und experimental plur1bus-e5-small, ohne kind:"memory" zu setzen oder die Memory-Capability-API zu nutzen; memory-core bleibt Slot-Owner
• Chat-provider-neutral — OpenClaw-Chat-Routen bleiben frei wählbar; plur1bus konfiguriert nur seine Memory-internen Embedding- und optionalen LLM-Endpunkte
• Per-Agent-Isolation — jeder Agent hat eine eigene LanceDB unter {baseDbPath}/{agentId}/
• Schema-Migration — bestehende DBs erhalten neue Spalten automatisch beim ersten Zugriff
• Konfigurierbare Thresholds — alle Score-Grenzen per openclaw.json einstellbar

Tools

memory_recall

Semantische Suche in den Memories des Agenten.

Output (default, Summary):

[fact] Kurze Zusammenfassung… (score: 0.82, ID: abc-123)
[decision] Andere Summary… (score: 0.71, ID: def-456)

Output mit full_text: true:

[fact] Vollständiger Originaltext ohne Kürzung (score: 0.82, ID: abc-123)

memory_store

Speichert eine Information dauerhaft im Memory des Agenten.

Duplikate (Score ≥ duplicateThreshold) werden abgewiesen. Die Summary wird automatisch via LLM erzeugt und persistiert.

memory_forget

Entfernt eine Memory per ID oder Suchanfrage.

Bei mehreren Treffern werden alle IDs aufgelistet — dann memoryId angeben.

Auto-Recall

Wird beim before_prompt_build-Hook ausgelöst. Injiziert bis zu 5 relevante Memories als kompakten Kontext:

<relevant-memories>
  - [fact] Kurze Summary des ersten Treffers… (ID: abc-123)
  - [preference] Kurze Summary des zweiten Treffers… (ID: def-456)
</relevant-memories>

Token-Ersparnis: ~80 % gegenüber Volltext-Injection (150 Wörter vs. ≤2000 Zeichen pro Memory).

Ablauf mit Re-Ranker:

1. Vektorsuche holt bis zu candidates (Standard: 20) Treffer über autoRecallMinScore
2. Der konfigurierte Reranker sortiert diese 20 nach tatsächlicher semantischer Relevanz
3. Die Top-5 werden injiziert

Ohne Re-Ranker: direkt Top-5 per Vektor-Score.

Deaktivierbar via "autoRecall": false in der Plugin-Config.

Konfiguration (openclaw.json)

{
  "plugins": {
    "memory-lancedb-namespaced": {
      "embedding": {
        "provider": "openai",
        "apiKey": "${OPENAI_API_KEY}",
        "model": "text-embedding-3-large",
        "dimensions": 3072
      },
      "baseDbPath": "~/.openclaw/memory/lancedb-namespaced",
      "autoRecall": true,
      "autoCapture": true,
      "captureMaxChars": 5000,

      "recallMinScore":     0.15,
      "autoRecallMinScore": 0.2,
      "duplicateThreshold": 0.95,
      "forgetThreshold":    0.3,
      "summaryMaxWords":    150,

      "gc": { "enabled": true },

      "merging": {
        "enabled": true,
        "minScore": 0.70,
        "maxScore": 0.94
      },

      "reranker": {
        "provider":   "cohere",
        "enabled":    true,
        "apiKey":     "${COHERE_API_KEY}",
        "model":      "rerank-v3.5",
        "candidates": 20
      }
    }
  }
}

Für Auto-Capture muss das OpenClaw-Profil Conversation Access erlauben:

{
  "plugins": {
    "entries": {
      "memory-lancedb-namespaced": {
        "hooks": {
          "allowConversationAccess": true,
          "allowPromptInjection": true
        }
      }
    }
  }
}

Embedding-Provider

Inspect/Register-Sicherheit:

• kein Modell-Download bei plugins inspect oder Provider-Registrierung
• kein Hugging-Face-Import bei plugins inspect oder Provider-Registrierung
• keine Secret-Auflösung bei plugins inspect oder Provider-Registrierung
• E5 wird erst bei echter embedQuery/embedBatch-Nutzung lazy geladen

Reranker

Threshold-Referenz

Re-Ranker-Konfiguration

Fallback: Schlägt der Reranker fehl (Netzwerk, Rate-Limit, lokaler Model-Smoke), wird automatisch auf Vektor-Reihenfolge zurückgefallen. Kein Absturz. local-transformers fuer Alibaba-NLP/gte-reranker-modernbert-base ist experimental und English-primary.

Schema

{ id, text, summary, origin, vector[3072], importance, category, createdAt, mergedFrom, expiresAt, storedBy }

• summary — LLM-generierte Kurzfassung (≤summaryMaxWords Wörter)
• origin — "dm" (Default) oder "group" (Gruppen-Chat)
• expiresAt — Unix-Timestamp (ms), 0 = permanent (TTL-Feld)
• storedBy — agentId des speichernden Agenten (Traceability)
• mergedFrom — IDs der zusammengeführten Quell-Memories
• Migration erfolgt automatisch beim ersten Zugriff auf bestehende DBs

Conflict-Log

{workspaceDir}/.adaptive-learning/conflict-log.jsonl protokolliert widersprüchliche decision-Memories zwischen verschiedenen Agenten.

Trigger: Neue decision-Memory ähnelt einer bestehenden eines anderen Agenten (Score 0.70–0.94).

Kein Block — nur Logging. Rotation nur nach expliziter Nutzer-Bestätigung.

Schema einer Zeile:

{
  "timestamp": "2026-03-28T12:00:00.000Z",
  "newMemoryId": "uuid-neu",
  "newAgentId": "agent-a",
  "newText": "Wir nutzen PostgreSQL.",
  "existingMemoryId": "uuid-alt",
  "existingAgentId": "agent-b",
  "existingText": "Wir nutzen MongoDB.",
  "score": 0.83,
  "category": "decision",
  "mergeDecision": "stored_separately"
}

mergeDecision: "merged" | "stored_separately" | "no_merge_llm_call"

DB-Pfade