LanceDB 本地记忆库
用 LanceDB 在本地存取和语义检索长期记忆
功能与用途
想让 AI 记住长期积累的内容,又不想把这些内容传到远程服务。这个 Skill 用本地 LanceDB 建一张记忆表,字段包含时间、内容、分类、标签、重要度和附加信息,支持按内容做向量语义检索、按分类筛选、按 ID 查改删,以及查看记忆总量和分类分布统计。表格自动创建,数据全部留在本机路径下。
适用场景
- 对话与知识长期持久化存储:将用户偏好、重要事实和历史信息附带标签与权重存入本地 LanceDB 数据库。
- 自然语言语义相关性检索:根据当前提问使用向量相似度在记忆库中跨记录检索上下文,召回最匹配的历史记忆。
- 分类筛选与记忆生命周期管理:按类别过滤记忆条目,按唯一标识查询、修正过期记录,或按需清理废弃记忆。
适用人群
- 自建 Agent 长期记忆的开发者、对数据隐私敏感不希望记忆上传云端的独立开发者、需要给个人知识库加语义检索能力的工程师
使用步骤
- 确认本机 Python 环境能安装 lancedb
- 指定记忆库存储路径(默认是脚本里写死的路径,需按自己环境改)
- 调用新增接口写入记忆内容,顺便打上分类、标签和重要度
- 用语义检索或按分类读取的方式取回记忆
- 按需更新或删除某条记忆,并查看总量与分类统计
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- AI工作流
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- 1.0.0
- 最近更新
- 2026-05-11
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Manage and retrieve long-term memories with LanceDB using semantic vector search, category filtering, and detailed metadata storage.
使用前准备
- Python 环境
- 安装 lancedb 依赖
- 本地可写的存储目录
依赖与权限
- 读取用户主动提供的内容