Voice
Memory Convex
By OpenClaw plugin: persistent agent memory via Convex (agentMemory). Auto-recall, auto-capture, shared between agents.
Configuration Example
// openclaw.json → plugins.entries.memory-convex.config
{
"convexUrl": "https://your-deployment.convex.cloud", // Required
"autoRecall": true, // Injection auto de faits
"autoCapture": true, // Capture auto en fin de message
"recallLimit": 8, // Nombre de faits injectés
"captureMaxChars": 500, // Taille max message capturé
"defaultAgent": "koda", // Nom de l'agent
// Phase 2
"captureMode": "both", // "regex" | "llm" | "both"
"llmUrl": "https://api.openai.com/v1", // URL du LLM
"llmModel": "gpt-5.4-nano", // Modèle d'extraction
"llmApiKey": "", // Clé API (fallback: env OPENAI_API_KEY)
"bootAudit": true, // Audit cohérence au boot
"syncMdEnabled": true // Sync Ă©tendue vers .md
}README
# memory-convex — Plugin OpenClaw
Plugin de mémoire persistante pour OpenClaw utilisant Convex comme backend.
Zéro dépendance npm, coût quasi nul (~$0.04/mois).
## Version
**v0.3.0** (22/03/2026)
## Fonctionnalités
### Auto-Recall (before_prompt_build)
- Cherche les faits pertinents dans agentMemory avant chaque message
- Injecte les faits en `prependContext` (le modèle les voit avant le prompt)
- Configurable : `recallLimit` (défaut: 8 faits)
- Skip les heartbeats et commandes
### Auto-Capture (agent_end)
- **Mode regex** : détecte préférences utilisateur et bugs signalés
- **Mode LLM** : extraction de faits durables via LLM (GPT-5.4-nano par défaut)
- **Mode both** : regex + LLM combinés avec dédup croisée
- Filtres anti faux-positifs (patterns vagues rejetés, seuil texte 80 chars)
### Boot Audit (before_prompt_build, 1ère invocation)
- Vérifie la cohérence mémoire au démarrage de session
- Checks : faits existants, récence, fichiers workspace, accumulation erreurs
- Écrit un rapport dans `memory/YYYY-MM-DD.md` si problèmes détectés
### Sync .md Ă©tendue (agent_end)
- Synchronise les faits capturés vers les fichiers .md appropriés
- Mapping catégorie → fichier :
- `chronologie` → MEMORY.md (📅 Chronologie, insertion en haut)
- `erreur` → MEMORY.md (❌ Erreurs critiques)
- `savoir` → MEMORY.md (🧠Savoir)
- `preference` → USER.md (Personnalité & Communication)
- `outil` → TOOLS.md (Dev Tools)
- Dédup par overlap de mots (≥60%, ≥3 mots significatifs)
- Sync checkboxes todo-promesses.md (legacy, toujours actif)
### Commande /memory
- Affiche les stats rapides de la mémoire (total, catégories, derniers faits)
## Configuration
```jsonc
// openclaw.json → plugins.entries.memory-convex.config
{
"convexUrl": "https://your-deployment.convex.cloud", // Required
"autoRecall": true, // Injection auto de faits
"autoCapture": true, // Capture auto en fin de message
"recallLimit": 8, // Nombre de faits injectés
"captureMaxChars": 500, // Taille max message capturé
"defaultAgent": "koda", // Nom de l'agent
// Phase 2
"captureMode": "both", // "regex" | "llm" | "both"
"llmUrl": "https://api.openai.com/v1", // URL du LLM
"llmModel": "gpt-5.4-nano", // Modèle d'extraction
"llmApiKey": "", // Clé API (fallback: env OPENAI_API_KEY)
"bootAudit": true, // Audit cohérence au boot
"syncMdEnabled": true // Sync Ă©tendue vers .md
}
```
## Points LLM branchables
Le plugin est conçu pour être portable. Trois points utilisent un LLM :
### 1. Auto-capture (extractFactsWithLlm)
- **Config** : `llmUrl` + `llmModel` + `llmApiKey`
- **DĂ©faut** : GPT-5.4-nano (API OpenAI, ~$0.001/jour)
- **Local** : `llmUrl: "http://localhost:11434"`, `llmModel: "glm4"`
- **Détection** : si l'URL contient "11434" ou "ollama" → format Ollama, sinon → OpenAI compatible
- **Contrainte** : le modèle doit supporter le JSON structuré
### 2. Contradiction check (Convex server-side)
- **Fichier** : `convex/agentMemory.ts` → action `storeWithContradictionCheck`
- **DĂ©faut** : GPT-5.4-nano via OpenAI API
- **Local** : modifier la Convex action pour appeler Ollama (nécessite que le serveur Convex puisse joindre l'URL Ollama)
### 3. LCM summaries (plugin lossless-claw, externe)
- **Config** : `env.LCM_SUMMARY_PROVIDER` + `env.LCM_SUMMARY_MODEL`
- **DĂ©faut** : `openai-codex/gpt-5.2` ($0 avec plan Pro)
- **Local** : `ollama/glm4` (qualité moindre pour résumés longs)
## Architecture
```
Message utilisateur
↓
[before_prompt_build]
├── Boot audit (1ère fois) → rapport dans memory/
└── Recall → search agentMemory → prependContext (8 faits)
↓
RĂ©ponse agent
↓
[agent_end]
├── Regex extraction (préférences, bugs)
├── LLM extraction (GPT-5.4-nano, faits durables)
├── Store → agentMemory (Convex)
├── Sync → todo-promesses.md (checkboxes)
└── Sync → MEMORY.md / USER.md / TOOLS.md (par catégorie)
```
## Coûts
| Composant | Coût |
|-----------|------|
| GPT-5.4-nano (20 appels/jour) | ~$0.04/mois |
| Convex (free tier) | $0 |
| Avec Ollama local | $0 |
## Fichiers
```
memory-convex/
├── index.ts # Plugin principal (hooks + extraction)
├── convex-client.ts # Client HTTP pour l'API Convex
├── openclaw.plugin.json # Manifest du plugin
└── README.md # Cette documentation
```
## Changelog
### v0.2.0 (22/03/2026)
- **Point 4** : Auto-capture LLM (GPT-5.4-nano, supporte Ollama fallback)
- **Point 5** : Boot audit (cohérence mémoire au démarrage)
- **Point 6** : Sync .md étendue (5 catégories → 3 fichiers)
- Filtres anti faux-positifs (patterns vagues, seuil texte)
- Format prompt JSON object `{"facts": [...]}` pour compatibilité OpenAI
### v0.1.0 (22/03/2026)
- Auto-recall (before_prompt_build, 5→8 faits)
- Auto-capture regex (agent_end, préférences + bugs)
- Sync checkboxes todo-promesses.md
- Commande /memory
### v0.3.0 (22/03/2026)
- **Temporal scoring** : decay exponentiel pour faits épisodiques, boost faits <24h, catégories protégées
- **Track access** : compteur d'accès + timestamp dernier recall (Convex `trackAccess`)
- **Dédup amélioré** : Levenshtein distance en complément de l'overlap de mots
- **Re-ranking** : fetch 2x le limit, score temporel, retourne les top N
- **Fix contradiction check** : élargi fenêtre de recherche côté recall
voice
Comments
Sign in to leave a comment