Chromadb Memory Pub

核心用法

ChromaDB Memory 是一个为 OpenClaw 设计的长期记忆插件，通过本地 ChromaDB 向量数据库和 Ollama 嵌入模型实现语义记忆功能。其核心工作流程为：用户发送消息 → Ollama（nomic-embed-text，768维）生成向量嵌入 → ChromaDB 执行最近邻搜索 → 将高于阈值的结果自动注入代理上下文 → 代理基于增强上下文响应。

主要配置项包括：ChromaDB 服务端点、集合ID/名称、Ollama 地址、嵌入模型选择，以及三个关键调参选项——autoRecall（开关自动召回）、autoRecallResults（每轮最大召回数，默认3条）、minScore（相似度阈值，默认0.5）。插件同时提供 chromadb_search 工具供手动语义检索。

显著优点

1. 完全本地化：零云依赖，数据不出本地硬件，契合隐私敏感场景
2. 自动上下文增强：每轮对话前静默注入相关记忆，降低用户操作负担
3. 成本可控：每轮约275 tokens（最坏情况），在200K+上下文窗口中可忽略
4. 生态兼容：标准 ChromaDB 接口，支持任意兼容索引器填充数据

潜在缺点与局限性

• 基础设施依赖：需自行维护 ChromaDB 和 Ollama 服务，增加部署复杂度
• 调参门槛：minScore 和 autoRecallResults 需根据数据分布反复调试，过高漏召回、过低引噪声
• 无内置持久化策略：未提及记忆过期、冲突消解、用户隔离等高级管理功能
• 单集合架构：当前配置仅支持单一集合，多用户/多场景隔离需自行设计

适合人群

注重数据主权的技术型用户、企业内部部署场景、已运行 Ollama 生态的本地 AI 实践者。

常规风险

配置中的集合ID若泄露可能导致向量数据被遍历；ChromaDB 默认无认证，生产环境需额外网络隔离；Ollama 模型拉取需验证来源完整性。

核心用法

chromadb-memory 是一款专为 OpenClaw 设计的本地向量记忆插件，通过 ChromaDB 存储长期记忆，配合 Ollama 本地嵌入模型实现语义检索。

关键功能：

• 自动召回（Auto-recall）：每轮对话前自动嵌入用户消息，查询相似记忆并注入上下文
• 手动搜索工具：提供 chromadb_search 供 agent 主动检索记忆
• 完全本地化：依赖 ChromaDB（向量数据库）+ Ollama（nomic-embed-text 嵌入），无需任何云 API

配置要点：
1. 部署 ChromaDB Docker 容器（默认端口 8100）
2. 本地运行 Ollama 并拉取 nomic-embed-text 模型
3. 在 OpenClaw 配置中启用插件，指定 collectionId、服务地址及阈值参数（minScore: 0.5）

显著优点：

• 隐私优先：所有记忆数据驻留本地硬件，零外泄风险
• 成本归零：无按 token 计费，适合高频记忆检索场景
• 低 token 开销：每轮自动召回约消耗 275 tokens，在 200K+ 上下文窗口中可忽略
• 即插即用：Docker 一键部署，配置简洁

潜在局限：

• 运维门槛：需自行维护 ChromaDB 和 Ollama 服务，非开箱即用
• T3 来源风险：个人开发者维护，长期更新承诺不确定
• 本地 HTTP 通信：默认非加密传输，多用户环境需额外配置 TLS
• 无内置索引工具：需自行准备 ChromaDB 兼容的文档索引流程

适合人群：

• 对数据隐私有严格要求的企业/个人
• 已具备本地 AI 基础设施的技术团队
• 希望完全掌控记忆存储位置的高级用户

常规风险：

• 服务可用性依赖本地 ChromaDB/Ollama 状态，单点故障需自行兜底
• 相似度阈值（minScore）调参不当可能导致噪声注入或遗漏关键记忆
• 个人项目维护风险，建议关注更新活跃度或 Fork 自维护