openclaw-reliable-memory-kit
Aura es un plano de control de fiabilidad y memoria para agentes de Slack en producción. Actúa como sidecar de OpenClaw, gestionando flujos de trabajo duraderos con Temporal, entrega idempotente y orquestación LLM robusta mediante una arquitectura multi-capas.
Ficha actualizada 27 sept 2026, 7:34 · upstream 27 sept 2026, 7:13 · release sin release detectada
Qué es openclaw-reliable-memory-kit
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Aura (Reliability & Memory Plane) es un plano de control diseñado para operar junto a OpenClaw en entornos de producción. Su función principal es transformar cada interacción de usuario en Slack en un flujo de trabajo temporal durable, asegurando la integridad del contexto y la entrega idempotente de mensajes. El sistema implementa una ingesta de tres capas que filtra tareas mediante vectores y clasificación LLM antes de ejecutarlas, evitando pérdidas de estado o duplicaciones accidentales.
La arquitectura separa el plano de control (RMP) del motor de ejecución (OpenClaw), permitiendo una gestión independiente de la memoria de proceso, rotación de claves API y recuperación ante fallos. Incluye un stack web robusto para capacidades de búsqueda y extracción, integrando múltiples herramientas como Jina Reader, Crawl4AI y Obscura CDP, todo orquestado mediante workflows de Temporal y persistencia en PostgreSQL y Qdrant.
El sistema está optimizado para entornos de alta disponibilidad con mecanismos de canario que diferirán reinicios mientras las tareas de usuario están activas, garantizando que la operación no se interrumpa durante mantenimiento o fallos transitorios.
- Automatización de Slack con memoria persistente entre turnos de conversación y recuperación de contexto.
- Gestión de flujos de trabajo complejos (GenericTask/CatalogTask) con reconciliación automática de fallos.
- Búsqueda web y extracción de datos mediante un stack Galaxy multi-herramienta integrado.
- Orquestación LLM con rotación equilibrada de claves NVIDIA y límites estrictos de concurrencia.
- Recuperación de respuestas huérfanas en Slack tras interrupciones del worker o reinicios.
- Monitorización activa con canarios horarios y reinicio suave sin afectar tareas activas.
- Entrega idempotente garantizada para mensajes de Slack mediante plugin interceptor que previene doble envío.
- Workflows duraderos gestionados por Temporal con soporte para hijos, reconciliadores y limpieza automática.
- Stack web Galaxy integrado con múltiples backends (Crawl4AI, Scrapling, Crawlee, ScrapeGraphAI, Obscura CDP).
- Rotación automática de claves LLM (~5s) para evitar límites de tasa y fallos por agotamiento de cuota.
- Ingesta de tareas con modos off/ombra/enforce para pruebas sin riesgo en producción.
- Canary sentinel que deferred reinicios mientras las tareas de usuario están activas mediante soft-fail.
- No incluye Dockerfile ni compose nativo; requiere configuración manual de systemd o process manager.
- Dependencia de Qdrant para vectores con advertencia de compatibilidad NVIDIA (HTTP 410 en embed).
- Configuración manual del enlace de plugins en el directorio OpenClaw existente requerido.
- No soporta despliegue one-click; requiere instalación manual de Python 3.12+ y Node.js ≥22.23.
- Requiere PostgreSQL y Temporal externos configurados previamente al despliegue del sistema.
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Requiere Linux, Python 3.12+, Node.js ≥22.23, PostgreSQL, Temporal y OpenClaw gateway. Clonar repositorio, crear venv, instalar requirements y configurar settings.json (sin secrets). Enlazar plugins rmp_adapter, aura_web, langsearch en directorio de plugins de OpenClaw y ejecutar patch_openclaw.sh. Iniciar API + worker vía systemd o process manager. Verificar salud con make production-check.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.