持久化记忆集成

Convex + Obsidian - Integração de Memória Persistente

by andreytsushima

4.5k效率与工作流未扫描2026年4月20日

安装

claude skill add --url https://github.com/openclaw/skills

文档

🎯 Objetivo

Memória persistente automática para o OpenClaw:

  • Convex (Hot): Salva cada conversa automaticamente
  • Obsidian (Deep): Conhecimento histórico consolidado
  • Busca Híbrida: Contexto de memória injetado quando relevante

✅ Status: OPERACIONAL

Arquitetura

code
Usuário fala → OpenClaw processa
     ↓
[Auto-save] → Convex (memória recente)
     ↓
Se detectar referência ao passado:
     ↓
[Busca Híbrida] → Convex + Obsidian
     ↓
[Contexto injetado] → "Lembre-se que ontem..."

Componentes

1. Backend Convex

  • URL: https://energized-goshawk-977.convex.cloud
  • Schema: convex/schema.ts
  • Funções: convex/memory.ts

2. Scripts Python

ScriptFunção
memory.pyCLI completo (save/search/stats)
search.pyBusca híbrida (Convex + local)
hook.pyIntegração automática (chamado pelo OpenClaw)

3. CLI Tools

bash
# Busca híbrida
./search.sh "nvidia" -n 5

# Salvar manualmente
./memory.sh save "Conteúdo" --session main-2026-03-27

# Estatísticas
./memory.sh stats

Integração Automática no OpenClaw

Opção 1: Hook pós-mensagem (Recomendado)

Editar ~/.openclaw/openclaw.json para adicionar um hook:

json
{
  "skills": {
    "entries": {
      "convex-obsidian": {
        "autoSave": true,
        "autoContext": true,
        "deploymentUrl": "https://energized-goshawk-977.convex.cloud"
      }
    }
  }
}

Comportamento:

  • Cada mensagem salva automaticamente no Convex
  • Se usuário mencionar "ontem", "antes", "lembra" → busca contexto
  • Contexto injetado no início da resposta

Opção 2: Comandos manuais

code
/memory search <query>     # Busca híbrida
/memory save <texto>       # Salvar no Convex
/memory context            # Ver contexto atual

Opção 3: Via ferramenta memory_search

O OpenClaw já usa memory_search para buscar em arquivos locais. Para incluir Convex, usar:

python
# skills/convex-obsidian/search.py
./search.sh "query" --json

Uso Atual (Testado)

bash
cd /home/andrey/.openclaw/workspace/skills/convex-obsidian

# Buscar em ambas as fontes
./search.sh "amw" -n 5
./search.sh "nvidia configuracao" --json

# Salvar memória
./memory.sh save "Cliente pediu orçamento" \
  --session main-2026-03-27 \
  --tags cliente orcamento \
  --importance 8

# Salvar no Obsidian
./memory.sh save-obsidian "Resumo reunião..." \
  --title "Reunião Cliente XYZ" \
  --folder "05-AMW/Reuniões"

Configuração de Variáveis

bash
# ~/.openclaw/.env ou exportar
export CONVEX_DEPLOYMENT_URL="https://energized-goshawk-977.convex.cloud"
export VAULT_PATH="/home/andrey/Vault"

Deploy/Redeploy do Convex

Se precisar atualizar o backend:

bash
cd /home/andrey/.openclaw/workspace/skills/convex-obsidian

# Usar a chave preview
export CONVEX_DEPLOY_KEY="109326a5533f411792dae76dc8ae3f6f"
npx convex@latest deploy --preview-create openclaw-memory

# Ou com a chave completa
export CONVEX_DEPLOY_KEY="preview:andrey-tsushima:openclaw|eyJ2MiI6IjEwOTMyNmE1NTMzZjQxMTc5MmRhZTc2ZGM4YWUzZjZmIn0="
npx convex@latest deploy --preview-create openclaw-memory

Exemplo de Busca Híbrida

code
$ ./search.sh "amw" -n 5

🔍 Resultados para: 'amw'
   Fontes: 2 Convex + 3 local

1. 🔥 convex://... (score: 3.80)
   [CONVEX - conversation] Cliente AMW pediu orçamento...

2. 📄 memory/2026-03-19.md (score: 0.70)
   Análise Técnica Integral de Inexecução — AMW...

Próximos Passos (Para Integração Total)

  1. Auto-save: Hook no ciclo de vida do OpenClaw
  2. Auto-context: Detectar quando buscar memórias
  3. Sincronização: Mover Convex → Obsidian após 30 dias
  4. Embeddings: Busca semântica além de keyword

Notas

  • Convex gratuito: 1M operações/mês (suficiente)
  • Obsidian: Armazenamento local ilimitado
  • Latência: Convex ~50-100ms, Obsidian ~10ms

相关 Skills

技能工坊

by anthropics

Universal
热门

覆盖 Skill 从创建到迭代优化全流程:起草能力、补测试提示、跑评测与基准方差分析,并持续改写内容和描述,提升效果与触发准确率。

技能工坊把技能从创建、迭代到评测串成闭环,方差分析加描述优化,特别适合把触发准确率打磨得更稳。

效率与工作流
未扫描139.0k

PPT处理

by anthropics

Universal
热门

处理 .pptx 全流程:创建演示文稿、提取和解析幻灯片内容、批量修改现有文件,支持模板套用、合并拆分、备注评论与版式调整。

涉及PPTX的创建、解析、修改到合并拆分都能一站搞定,连备注、模板和评论也能处理,做演示文稿特别省心。

效率与工作流
未扫描139.0k

PDF处理

by anthropics

Universal
热门

遇到 PDF 读写、文本表格提取、合并拆分、旋转加水印、表单填写或加解密时直接用它,也能提取图片、生成新 PDF,并把扫描件通过 OCR 变成可搜索文档。

PDF杂活别再来回切工具了,文本表格提取、合并拆分到OCR识别一次搞定,连扫描件也能变可搜索。

效率与工作流
未扫描139.0k

相关 MCP 服务

文件系统

编辑精选

by Anthropic

热门

Filesystem 是 MCP 官方参考服务器,让 LLM 安全读写本地文件系统。

这个服务器解决了让 Claude 直接操作本地文件的痛点,比如自动整理文档或生成代码文件。适合需要自动化文件处理的开发者,但注意它只是参考实现,生产环境需自行加固安全。

效率与工作流
86.1k

by wonderwhy-er

热门

Desktop Commander 是让 AI 直接执行终端命令、管理文件和进程的 MCP 服务器。

这工具解决了 AI 无法直接操作本地环境的痛点,适合需要自动化脚本调试或文件批量处理的开发者。它能让你用自然语言指挥终端,但权限控制需谨慎,毕竟让 AI 执行 rm -rf 可不是闹着玩的。

效率与工作流
6.1k

EdgarTools

编辑精选

by dgunning

热门

EdgarTools 是无需 API 密钥即可解析 SEC EDGAR 财报的开源 Python 库。

这个工具解决了金融数据获取的痛点——直接让 AI 读取结构化财报,比如让 Claude 分析苹果的 10-K 文件。适合量化分析师或金融开发者快速构建数据管道。但注意,它依赖 SEC 网站稳定性,高峰期可能延迟。

效率与工作流
2.2k

评论