📦 TokenSaver

v2.0.0

韩语🧠 한국어 Context DB for AI Agents — 节省91% token。支持嵌入语义搜索、自动去重合并、内存分层（Hot/Warm/Cold）、自动归档、WAL协议、实体提取。韩语优先 + 英语支持。

0· 13·0 当前·0 累计

by @dorongss

安全智能体记忆系统

下载技能包

最后更新

2026/4/19

安全扫描

VirusTotal

可疑

查看报告

OpenClaw

可疑

medium confidence

该技能基本符合其既定用途（使用 Fireworks 嵌入的韩语优化上下文 DB），但包含硬编码的本地文件访问和初始化逻辑，可能会在未明确记录的情况下将私有工作区文件上传至外部嵌入 API。

评估建议

This skill appears to implement what it claims, but exercise caution before installing or running it: - Inspect and (if needed) remove or edit init_bora_context.py before running. It contains hard-coded Windows paths that read several workspace files and then save them into the memory DB; these files could contain sensitive info and will be sent (for embedding) to the external Fireworks API if a key is present. - Only provide a FIREWORKS_API_KEY you trust. Treat that key as granting the embeddi...

详细分析 ▾

ℹ 用途与能力

The declared purpose (Korean-first context DB with embedding search, dedup, tiers, WAL) aligns with the code and requirements: the client uses an embedding API and NLP libs (konlpy/nltk). Requesting FIREWORKS_API_KEY matches the EmbeddingManager which posts to api.fireworks.ai. However some README/installation hints (npm steps for an otherwise Python package) and the presence of a platform-specific initializer script suggest sloppy packaging or environment assumptions.

⚠ 指令范围

SKILL.md describes generic initialization and 'automatic workspace detection', but init_bora_context.py contains hard-coded Windows paths (C:\Users\Roken\.openclaw\workspace\...) and will read local files (MEMORY.md, USER.md, SOUL.md, AGENTS.md, IDENTITY.md) and then call client.save_memory() and generate embeddings. That means local workspace documents could be read and (via the embedding API) transmitted externally; this behavior is not explicitly surfaced in SKILL.md and is scope-creep from a user-perspective.

✓ 安装机制

There is no remote download or opaque installer: dependencies are standard Python packages (konlpy, nltk) referenced in SKILL.md and pyproject. No suspicious external URL downloads or extract operations were found. The only network call in code is to the Fireworks embeddings endpoint which is expected for an embedding-based skill.

ℹ 凭证需求

Only FIREWORKS_API_KEY is required, which is proportionate to using an external embedding provider. However the key would be used to send content (possibly sensitive) to the fireworks.ai API; requiring a single embedding API key is reasonable but the combination with the initializer that reads local files increases the risk of unintended data transmission. No other unrelated secrets are requested.

✓ 持久化与权限

The skill does not request always:true and does not attempt to modify other skills or system-wide configs. It stores embeddings and some JSON files locally (embeddings.json, wal.json) which is expected for a local context DB. The initializer modifies/reads local workspace files only (no evidence of escalating privileges), but that local access is environment-specific and should be reviewed.

安全有层次，运行前请审查代码。

运行时依赖

无特殊依赖

版本

latestv2.0.02026/4/19

v2.0：嵌入语义搜索、自动去重合并、内存分层（Hot/Warm/Cold）、自动归档、实体提取、支持nltk

● 可疑

安装命令

点击复制

官方npx clawhub@latest install token-saver-korean

镜像加速npx clawhub@latest install token-saver-korean --registry https://cn.longxiaskill.com

技能文档

AI 에이전트를 위한 한국어 최적화 Context Database 토큰 소모 최대 91% 절감하는 스마트 메모리 시스템. 저장·검색·압축·계층화·아카이브까지 완전 자동화.

---

✨ 핵심 기능

| 기능 | 한 줄 설명 | |------|-----------| | 🔍 임베딩 의미 검색 | 키워드가 아니라 의미로 찾습니다 | | 🔗 중복 자동 병합 | 비슷한 메모리 알아서 합쳐줍니다 | | 📊 메모리 계층화 | Hot → Warm → Cold 자동 관리 | | 🗄️ 자동 아카이브 | 30일 묵은 메모리 자동 정리 | | 📝 WAL 프로토콜 | 저장 먼저, 응답 나중 — 유실 제로 | | 🏷️ 엔티티 추출 | 사람·브랜드·제품 자동 태깅 | | 🌐 다국어 지원 | 한국어(konlpy) + 영어(nltk) |

---

🚀 빠른 시작

1. 환경변수 설정

bash  
# Fireworks API 키 (임베딩 검색용)  
export FIREWORKS_API_KEY="your-key"  
# Windows PowerShell  
$env:FIREWORKS_API_KEY="your-key"

  
2. Python에서 사용

python  
from token_saver.client import TokenSaverKorean  
# 초기화 (자동으로 workspace 탐지)  
client = TokenSaverKorean()  
# 저장 — 임베딩 자동 생성 + 중복 시 자동 병합  
client.save_memory(  
    uri="biz/daily_sales",  
    content="오늘 매출 500만원, ROAS 5.83",  
    category="biz"  
)  
# 검색 — 키워드 + 임베딩 하이브리드  
results = client.find("매출 현황", use_embedding=True)  
# 티어 통계  
stats = client.get_tier_stats()  # → {'hot': 14, 'warm': 0, 'cold': 0, 'archive': 0}

# 만료 메모리 정리 client.cleanup_expired(days=30)`

`3. OpenClaw에서 사용`

  
마스터: "닥터레이디 ROAS 기억해" → 보라: memory_store(uri="memories/drlady/roas", content="ROAS 5.83...")  
마스터: "저번에 마케팅 전략 뭐였지?" → 보라: memory_recall(query="마케팅 전략")

  
---  
📊 토큰 절감 효과  
| 시나리오 | 기존 토큰 | TokenSaver | 절감율 |  
|----------|-----------|------------|--------|  
| 전체 Context 로드 | 50,000 | 4,500 | 91% |  
| 한국어 검색 | 20,000 | 2,000 | 90% |  
| 메모리 압축 | 30,000 | 3,500 | 88% |  
---  
🗂️ 메모리 계층화  
자동으로 중요도에 따라 티어를 관리합니다:  
| 티어 | 기간 | 저장 방식 |  
|------|------|-----------|  
| 🔥 Hot | 7일 내 | 전체 내용 + 임베딩 |  
| 🌡️ Warm | 30일 내 | 요약 + 임베딩 |  
| ❄️ Cold | 30일+ | 키워드만 (압축) |  
| 🗄️ Archive | 30일 미접속 | 검색에서 제외 |

`python # 자동 승격/강등 — 접근할수록 Hot으로 올라감 client.save_memory("test", "내용") # → Hot # 30일 후 자동 → Cold # 다시 검색하면 → Warm → Hot`

---

`🔍 하이브리드 검색`


키워드 매칭 + 임베딩 유사도를 결합한 하이브리드 검색:

python  
results = client.find(  
    query="광고 효율 개선",  
    limit=5,  
    use_embedding=True  # 임베딩 검색 ON  
)  
# 결과: 키워드 점수 + 임베딩 점수 = 최종 순위  
# "ROAS 최적화 방법" (12.45점)  
# "광고 소재 성과 분석" (9.91점)

  
API 실패 시 자동으로 키워드 검색으로 폴백 — 절대 안 끊김.  
---  
🔗 중복 자동 병합  
비슷한 내용이면 새로 만들지 않고 기존 것에 업데이트:

python  
# 첫 저장  
client.save_memory("biz/roas", "ROAS 5.83", category="biz")

# 비슷한 내용 재저장 → 자동 병합 (코사인 > 0.85) client.save_memory("biz/roas", "ROAS 6.12로 상승", category="biz") # → 같은 URI에 버전 업그레이드 (v1 → v2)`

---

`🏷️ 자동 엔티티 추출`


저장 시 사람·브랜드·제품을 자동으로 인식:

python  
entities = client.extract_entities("김명진 대표가 닥터레이디 리쥬-톡스 출시")  
# → {'persons': ['김명진'], 'brands': ['닥터레이디'], 'products': ['리쥬-톡스']}

  
---  
⚙️ 설정 파일 (ovk.conf)

json  
{  
  "embedding": {  
    "dense": {  
      "provider": "fireworks",  
      "model": "qwen3-embedding-8b",  
      "dimension": 768  
    }  
  },  
  "language": "auto",  
  "token_optimization": {  
    "enabled": true,  
    "target_reduction": 0.91  
  }  
}

---

🛡️ 안정성

| 기능 | 설명 | |------|------| | WAL 프로토콜 | 응답 전에 먼저 저장 — 크래시해도 유실 없음 | | 자동 백업 | 수정 전 원본 백업 보관 | | 임베딩 폴백 | API 장애 시 키워드 검색으로 자동 전환 | | 하위호환 | v1 데이터 그대로 사용 가능 |

---

📦 의존성

| 패키지 | 용도 | 필수? | |--------|------|-------| | konlpy | 한국어 형태소 분석 | 권장 | | nltk | 영어 NLP | 권장 | | FIREWORKS_API_KEY | 임베딩 검색 | 임베딩 사용 시 |

konlpy/nltk 없이도 작동합니다 (기본 토크나이저 사용).

---

📄 라이선스

MIT License — 자유롭게 사용, 수정, 배포 가능.

--- TokenSaver Korean v2.0 임베딩 검색 · 중복 병합 · 메모리 계층화 · 자동 아카이브 한국어 우선, 영어 지원, OpenClaw 최적화

数据来源：ClawHub ↗ · 中文优化：龙虾技能库