OpenClaw Memory Qdrant

核心用法

memory-qdrant 是 OpenClaw 框架的本地语义记忆插件，通过三个工具函数实现长期记忆管理：

• memory_store: 保存信息到向量数据库，支持分类标签（fact/preference/decision/entity/other）和重要性评分
• memory_search: 基于语义相似度检索相关记忆，而非关键词匹配
• memory_forget: 通过ID或语义查询删除特定记忆

显著优点

1. 完全本地化: 使用 Transformers.js 加载 Xenova/all-MiniLM-L6-v2 模型，数据不出本地，零API成本
2. 零配置部署: Qdrant 内存模式无需安装独立服务，即装即用
3. 框架原生集成: 通过 lifecycle hooks 自动捕获对话中的重要信息
4. 语义理解: 基于向量相似度搜索，能理解概念关联而非字面匹配

潜在局限

• 数据易失性: 内存模式下重启后数据丢失，需重新索引
• 计算开销: 本地生成embedding消耗CPU资源，大规模数据时延迟明显
• 依赖复杂度: 需要 Node.js 和 npm 环境，对非技术用户门槛较高
• 单用户设计: 无多租户隔离机制

适合人群

• 重视隐私、拒绝云端API的本地AI用户
• OpenClaw 框架深度使用者
• 具备 Node.js 环境配置能力的技术用户
• 需要轻量级语义记忆而非企业级持久化方案的场景

常规风险

• 内存模式不适合生产环境，意外中断导致记忆丢失
• 本地模型推理速度受硬件限制
• 插件生态较新，长期维护承诺待观察

核心用法

memory-qdrant 是 OpenClaw 框架的本地语义记忆插件，提供三大核心工具：

• `memory_store` — 将重要信息存入长期记忆，支持分类(fact/preference/decision/entity/other)和重要性评分(0-1)
• `memory_search` — 基于语义相似度检索相关记忆，无需关键词精确匹配
• `memory_forget` — 按 ID 或查询内容删除特定记忆

插件采用工厂函数模式导出工具，确保与 OpenClaw 工具系统兼容。安装后零配置即可运行，依赖 Node.js 和 npm 环境。

显著优点

隐私优先设计：autoCapture 默认关闭，所有 embedding 计算在本地完成，无需将数据传输到云端 API。Transformers.js 使用 Xenova/all-MiniLM-L6-v2 模型（约25MB），首次下载后本地缓存。

零配置开箱即用：Qdrant 以内存模式运行，无需部署外部数据库服务，适合个人本地使用场景。

语义理解能力：基于向量相似度的检索方式，能够理解"工作流程"与"日常操作步骤"等语义关联，远超传统关键词匹配。

潜在缺点与局限性

数据持久化：内存模式下进程重启后数据丢失，需重新索引。如需长期保存必须配置外部 Qdrant 服务，增加了部署复杂度。

模型下载依赖：首次运行需从 Hugging Face CDN 下载模型，需联网环境，且存在外部服务可用性风险。

资源占用：本地运行 embedding 模型需要一定内存和 CPU，在低端设备上可能影响性能。

生态系统绑定：专为 OpenClaw 框架设计，无法独立使用，迁移成本较高。

适合人群

• 隐私敏感用户：不愿将对话历史上传至第三方服务的个人用户
• OpenClaw 深度用户：希望为 AI 助手增加长期记忆能力的开发者
• 本地 AI 爱好者：探索端侧 AI 应用的技术爱好者

常规风险

| 风险项 | 等级 | 说明 |

|--------|------|------|

| 外部 API 依赖 | 低 | Hugging Face/jsDelivr CDN 下载模型，HTTPS/TLS1.3 加密 |

| 数据丢失 | 中 | 内存模式无持久化，需自行备份或配置外部 Qdrant |

| 供应链安全 | 低 | 仅依赖两个官方包，建议锁定版本 |

| 开发者可信度 | 中 | T3 个人开发者，代码开源透明，需关注更新 |

安全认证：静态分析88分，动态行为90分，依赖审计85分，综合评级 S 级，代码规范无恶意模式。