Fluid Memory

核心用法

Fluid Memory 是一套拟人化的长期记忆管理 Skill，通过三种核心操作与 AI 交互：

• 植入 (remember)：当用户明确说「记住xxx」时，将内容写入向量数据库
• 唤起 (recall)：响应「还记得...」「我之前说过」等查询，每次检索自动强化记忆权重
• 遗忘 (forget)：根据用户指令「忘记xxx」归档指定记忆

系统基于艾宾浩斯遗忘曲线设计衰减模型：访问频率高的记忆被强化留存，长期未访问的记忆（分数<0.15）自动进入「梦境守护」归档状态。

显著优点

• 原生集成 OpenClaw：无缝对接 OpenClaw 的 memory flush 机制，无需额外配置即可自动记录对话
• 纯本地隐私保护：所有数据存储在 ~/.openclaw/workspace/database/，零网络传输、零云端依赖
• 拟人化体验：会遗忘、会强化，避免机械式全量记忆造成的上下文污染
• 主动控制权：用户可随时指令遗忘，避免敏感信息长期滞留

潜在局限

• 明文存储风险：ChromaDB 本地文件无加密，多人共用设备需配合磁盘加密使用
• T3 来源可信度：个人开发者维护，虽代码结构清晰但需关注后续更新动态
• 依赖维护负担：依赖 chromadb、pyyaml 需定期更新以规避潜在漏洞
• 无跨设备同步：纯本地设计也意味着更换设备时记忆无法迁移

适合人群

• 注重隐私、拒绝云端记忆同步的 OpenClaw 深度用户
• 需要长期对话上下文连续性但厌恶冗长 system prompt 的 AI 交互者
• 愿意接受「可控遗忘」以换取更自然对话体验的用户

常规风险

• 本地数据泄露：物理设备丢失或多人共用场景下明文数据可被直接读取
• 依赖供应链风险：chromadb/pyyaml 未来若出现 CVE 需及时更新
• 开发者变更风险：个人账号若转让或被盗，后续版本需重新评估

整体评估：安全等级 A，功能设计精巧，是本地 AI 记忆管理的优质方案，适合隐私优先的技术用户。

核心用法

Fluid Memory 是一套拟人化的流体记忆系统，完全依赖 OpenClaw 原生记忆机制，无需外部服务。其核心交互通过四个工具完成：

• fluid_remember（植入）：用户说「记住xxx」时写入新记忆
• fluid_recall（唤起）：用户问「我之前说过什么」时检索，每次检索自动强化该记忆
• fluid_forget（遗忘）：用户说「忘记xxx」时主动归档
• fluid_status（状态）：查看当前「大脑」状态

系统自动依赖 OpenClaw 的 memoryFlush 机制触发，通过 softThresholdTokens 控制压缩频率，实现无感知的背景学习。

显著优点

1. 生物拟真设计：基于艾宾浩斯遗忘曲线和访问频率衰减，让 AI 拥有「会遗忘」的真实感，避免机械式存储
2. 零外部依赖：纯本地运行，数据存储在 ~/.openclaw/workspace/database/，无云端泄露风险
3. 强化学习机制：检索即训练，高频话题自然沉淀，低频信息自动淡出
4. OpenClaw 原生集成：深度适配 OpenClaw 的 flush/compaction 机制，非外挂式方案
5. 梦境守护：定时任务自动归档低分记忆，无需人工干预

潜在缺点与局限

1. 明文存储风险：数据无加密，依赖本地磁盘安全，敏感场景需谨慎
2. 跨平台兼容隐患：代码中存在 Windows 风格反斜杠硬编码路径
3. 子进程攻击面：使用 subprocess.run 调用 Python 脚本，虽参数可控但增加复杂度
4. T3 来源可信度：个人开发者维护，GitHub 仓库较新，缺乏长期社区验证
5. 无主动推理：不会自动关联记忆，需用户明确触发 recall

适合人群

• 追求「有记忆、会遗忘」拟真 AI 体验的用户
• 重视隐私、拒绝云端记忆服务的本地优先主义者
• 需要长期对话上下文管理的深度 OpenClaw 用户
• 愿意接受实验性功能的早期采纳者

常规风险

| 风险类型 | 等级 | 说明 |

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

| 数据泄露 | 低 | 纯本地存储，无网络传输，但明文存储 |

| 命令注入 | 中 | subprocess 调用需关注输入验证 |

| 路径遍历 | 低 | 用户主目录拼接，建议权限管控 |

| 供应链 | 低 | 依赖 chromadb、pyyaml 均为成熟库 |

| 维护中断 | 中 | T3 来源，建议关注社区活跃度 |