# memory-lancedb-pro

Скилл-справочник по плагину долговременной памяти memory-lancedb-pro: разбор архитектуры, пайплайна поиска и CLI для его доработки.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 643 установки · ★ 47
- Автор: win4r
- Лицензия: не указана · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/win4r/memory-lancedb-pro-skill/tree/HEAD/SKILL.md
- Обновлён: 2026-02-28
- HTML: https://affpapa.org/nevibecode/skills/memory-lancedb-pro

## Что делает

memory-lancedb-pro — плагин долговременной памяти для OpenClaw, который заменяет встроенный `memory-lancedb`. Внутри гибридный поиск: векторный поиск плюс BM25, слияние через RRF, кросс-энкодерный реранкинг, изоляция по scope, фильтр шума и адаптивный поиск. Скилл описывает эту систему по файлам, чтобы вы могли её чинить и расширять.

Скилл разложен по подсистемам: `src/store.ts` отвечает за LanceDB и FTS-индексы, `src/embedder.ts` — за провайдеров эмбеддингов с кэшем, `src/retriever.ts` — за весь конвейер скоринга, `src/scopes.ts` — за контроль доступа, `src/tools.ts` — за инструменты агента, а `cli.ts` — за команды управления. Отдельные reference-файлы раскрывают пайплайн поиска, схему хранения, жизненный цикл плагина и типичные грабли. Есть и рабочие сценарии: как добавить провайдера эмбеддингов, реранкер, новую стадию скоринга, инструмент агента или команду CLI.

Плагин написан на TypeScript (ESM) и работает на Node.js через OpenClaw Gateway, так что скилл пригодится тем, кто уже держит этот стек. Реранкер в пайплайне защищён таймаутом 5 секунд — если правите формат запроса или разбор ответа, проверяйте на реальных вызовах API. Дистилляция сессий вынесена в `scripts/jsonl_distill.py`, для неё нужен Python.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add win4r/memory-lancedb-pro-skill --skill memory-lancedb-pro -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/memory-lancedb-pro/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/memory-lancedb-pro/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add win4r/memory-lancedb-pro-skill --skill memory-lancedb-pro -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/memory-lancedb-pro/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add win4r/memory-lancedb-pro-skill --skill memory-lancedb-pro -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/memory-lancedb-pro/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install win4r/memory-lancedb-pro-skill memory-lancedb-pro
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/memory-lancedb-pro/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add win4r/memory-lancedb-pro-skill --skill memory-lancedb-pro -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/win4r/memory-lancedb-pro-skill
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/memory-lancedb-pro/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add win4r/memory-lancedb-pro-skill --skill memory-lancedb-pro -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/win4r/memory-lancedb-pro-skill/tree/HEAD/SKILL.md

## Когда брать
- разобраться в архитектуре плагина памяти перед доработкой
- починить пайплайн поиска: вектор, BM25, RRF, реранкинг
- подключить нового провайдера эмбеддингов или реранкера
- убрать шум и дубликаты в выдаче памяти
- перенести данные со старого `memory-lancedb`

## Примеры запросов агенту
- Покажи, как устроен пайплайн поиска в memory-lancedb-pro и где вклинивается реранкинг
- Добавь нового провайдера эмбеддингов в `src/embedder.ts` и проверь размерность
- Почему память возвращает дубликаты? Пройдись по стадиям скоринга и фильтру шума

## Похожие
- [memory-hygiene](https://affpapa.org/nevibecode/skills/aaaaqwq-memory-hygiene.md) — скилл · 374 установки
- [elite-longterm-memory](https://affpapa.org/nevibecode/skills/elite-longterm-memory.md) — скилл · 2400 установок
- [V3 Memory Unification](https://affpapa.org/nevibecode/skills/v3-memory-unification.md) — скилл · 1100 установок
- [agent-memory-systems](https://affpapa.org/nevibecode/skills/sickn33-agent-memory-systems.md) — скилл · 2000 установок
- [memory-bridge](https://affpapa.org/nevibecode/skills/ruvnet-memory-bridge.md) — скилл · 744 установки
- [memory-engineering](https://affpapa.org/nevibecode/skills/memory-engineering.md) — скилл · 29 установок

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md