MogFace-large应用案例：数字人驱动中面部关键区域实时跟踪与归一化

Search | DeepWikiClawdbot的记忆系统设计基于工作区中的Markdown文件结合向量搜索和自动内存刷新机制。

memory.md:

核心设计架构

双层内存文件结构每日日志:memory/YYYY-MM-DD.md- 按日期追加的原始记录 memory.md:

长期记忆:MEMORY.md- 精选的重要信息仅在主会话中加载 memory.md:22-

向量搜索系统内存搜索通过MemoryManager类实现支持多种嵌入提供商 manager.ts:

// 支持的提供商类型 provider: openai | local | gemini | auto系统自动选择提供商本地模型如果配置了modelPathOpenAI如果能解析API密钥Gemini如果能解析API密钥 memory.md:84-

混合搜索机制结合向量相似性和BM25关键词搜索 memory.md:

hybrid: { enabled: true, vectorWeight:

7, textWeight:

3, candidateMultiplier: 4 }关键实现组件内存管理器 (MemoryManager)负责索引构建、文件监控和搜索执行 manager.ts:

核心功能监控内存文件变化chokidar构建SQLite向量索引支持嵌入缓存以避免重复计算内存工具提供两个主要工具 memory-tool.ts:

memory_search- 语义搜索内存片段memory_get- 读取特定内存文件内容自动内存刷新在会话接近压缩阈值时触发静默的智能体回合提醒模型写入持久化内存 memory.md:

配置参数 memory.md:

memoryFlush: { enabled: true, softThresholdTokens: 4000, systemPrompt: Session nearing compaction. Store durable memories now., prompt: Write any lasting notes to memory/YYYY-MM-DD.md; reply with NO_REPLY if nothing to store. }配置系统内存搜索配置通过MemorySearchConfig类型定义 types.tools.ts:

主要配置项嵌入提供商选择(provider)本地模型配置(local.modelPath)索引存储(store.path, 默认~/.clawdbot/memory/agentId.sqlite)分块参数(chunking.tokens, 默认

混合搜索权重(query.hybrid.vectorWeight/textWeight)工作流程文件监控: 使用chokidar监控MEMORY.md和memory/目录变化 memory.md:

索引构建: 将Markdown分块约400token80token重叠并生成嵌入向量搜索执行: 根据查询同时进行向量搜索和BM25搜索合并结果缓存机制: 在SQLite中缓存嵌入向量避免重复计算 memory.md:

安全考虑MEMORY.md仅在主会话私人对话中加载避免在群组上下文中泄露个人信息 AGENTS.md:

会话转录索引是可选的实验性功能默认关闭 memory.md:

4

流氓软件-流氓软件应用