核心用法
ChromaDB Memory 是 OpenClaw 生态的本地向量记忆插件，通过 ChromaDB 存储语义记忆，配合 Ollama 本地嵌入模型（默认 nomic-embed-text）实现完全离线的长期记忆能力。用户每轮对话时，插件自动将当前消息嵌入为 768 维向量，查询 ChromaDB 集合中相似度超过阈值（默认 0.5）的历史片段，并以 <chromadb-memories> 标签注入 Agent 上下文，无需手动调用。
配置需指定 ChromaDB 服务地址、集合 ID/名称、Ollama 端点及嵌入模型。支持 autoRecall 开关控制自动召回，也可通过 chromadb_search 工具手动检索。安装依赖 Docker 部署 ChromaDB（端口 8100）及本地 Ollama 服务。
显著优点
- 完全本地化：零云端 API 依赖，嵌入、存储、检索均在本地完成，隐私敏感场景友好
- 低延迟嵌入：Ollama 本地推理避免网络往返，适合高频率调用
- 自动上下文注入：每轮对话无缝召回相关记忆，降低用户操作心智负担
- 可调阈值机制：通过
minScore和autoRecallResults精细控制噪声与召回率的平衡 - 生态兼容性：标准 ChromaDB 协议，可使用任意 ChromaDB 兼容索引器导入文档
潜在缺点与局限性
- 运维复杂度：需同时维护 ChromaDB 容器与 Ollama 服务，对非技术用户门槛较高
- 硬件依赖：本地嵌入模型消耗 GPU/CPU 资源，低配设备可能出现延迟
- 无内置索引工具：文档需通过外部工具预先写入 ChromaDB，插件本身不提供数据导入能力
- token 开销：每轮固定增加约 275 tokens，极长对话场景需关注上下文窗口消耗
- 召回质量波动：纯向量相似度检索缺乏重排序机制，复杂语义关联可能漏召
适合人群
- 对数据隐私有强要求、拒绝云端记忆方案的企业/个人用户
- 已具备 Docker 运维能力、拥有本地 GPU 资源的开发者
- 需要为 Agent 构建持久化知识库的知识管理场景（如个人笔记、本地文档问答）
常规风险
- 服务可用性：ChromaDB 或 Ollama 进程异常将直接导致记忆功能失效，需监控服务健康
- 数据持久化：ChromaDB 容器默认存储配置若未挂载卷，重启后数据丢失
- 版本兼容性：Ollama 模型版本与 ChromaDB 客户端版本需匹配，升级时需同步验证
- 阈值调参成本：
minScore设置不当会导致上下文污染或记忆沉默，需反复迭代