核心用法
Agent Memory Store 是一个面向 AI Agent 的共享语义记忆服务，通过 HTTP API 提供记忆存储、语义搜索与检索能力。核心工作流程为：
1. 存储记忆：Agent 将用户偏好、上下文信息以结构化方式存储，支持设置 TTL（生存时间）和访问权限（public/private）
2. 语义搜索：基于 Jaccard 相似度实现简单的语义匹配检索，支持按 Agent 身份过滤
3. 持久化保障：SQLite 后端确保服务重启后数据不丢失
技术架构
- 运行时：Python3，默认监听 8768 端口
- 存储：SQLite（
/root/.openclaw/workspace/data/agent_memory.db） - 搜索算法：Jaccard 相似度（非嵌入向量方案）
- 并发：线程安全写入
显著优点
- 跨 Agent 记忆共享：支持多智能体间的上下文互通，打破单 Agent 会话隔离
- TTL 自动衰减：内置过期机制，避免记忆无限膨胀，降低隐私泄露风险
- 开箱即用：纯 SQLite 依赖，无外部向量数据库配置负担
- 轻量部署：单文件 Python 服务，适合边缘设备和本地开发环境
潜在缺点与局限性
- 搜索精度有限：Jaccard 相似度基于词集重叠，无法捕捉深层语义关联，复杂查询效果欠佳
- 无身份认证：API 端点缺乏鉴权机制，依赖网络隔离保障安全
- 单点存储：SQLite 文件存储在本地路径，多实例部署时无法共享记忆
- 权限控制粗糙：仅 public/private 二元开关，无细粒度访问策略
适合人群
- 开发多 Agent 协作系统的工程师
- 需要快速原型验证的记忆功能开发者
- 本地/边缘部署场景（对延迟敏感、无外网依赖）
常规风险
- 数据持久化风险：DB 路径固定为
/root/.openclaw/workspace/data/，若该目录权限不当或被清理，数据将丢失 - 敏感信息泄露：public=true 的记忆可被任意 Agent 检索，需谨慎标记
- TTL 配置失误：ttl_seconds 设置过长可能导致过期隐私数据残留，过短则影响用户体验
- 服务可用性：单进程 HTTP 服务，无高可用设计，崩溃期间记忆写入失败
版本演进
v1.1.0 从纯内存存储升级为 SQLite 持久化，是生产可用性的关键改进；但搜索算法未升级，长期建议迁移至向量嵌入方案。