OpenClaw Memory Qdrant

核心用法

memory-qdrant 是 OpenClaw 框架的语义记忆插件，提供三种核心工具：

• memory_store: 保存信息到长期记忆，支持分类（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，返回最相关的历史信息
• memory_forget: 删除特定记忆，支持按 ID 或查询内容删除

插件采用零配置设计，默认使用内存模式运行 Qdrant，无需部署外部服务。首次运行时会从 Hugging Face 自动下载 Xenova/all-MiniLM-L6-v2 模型（约 25MB），后续完全离线运行。

显著优点

1. 完全本地化: Transformers.js 在本地生成 embeddings，数据不上传云端
2. 零运维成本: 内存模式无需 Docker 或外部数据库，即装即用
3. 智能集成: 通过 lifecycle hooks 支持自动捕获（autoCapture）和自动召回（autoRecall），可根据上下文自动增强对话
4. 隐私可控: 内存模式数据随进程结束自动清空，不留痕迹

潜在缺点与局限性

• 非持久化: 内存模式下重启后数据丢失，需重新索引
• 模型体积: 首次下载约 25MB，对网络环境有要求
• 性能瓶颈: 本地 embedding 生成速度低于云端 API，大批量处理时延迟明显
• 生态依赖: tightly coupled to OpenClaw 框架，无法独立使用

适合人群

• 注重隐私、拒绝云端记忆服务的 OpenClaw 用户
• 需要快速原型验证、不愿运维向量数据库的开发者
• 个人知识管理场景，对数据持久化要求不高的轻量用户

常规风险

| 风险点 | 等级 | 说明 |

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

| 自动捕获隐私泄露 | 中 | autoCapture 默认关闭，但误开启可能记录敏感对话 |

| 外部 Qdrant 信任 | 中 | 配置第三方 qdrantUrl 时，数据将离开本地环境 |

| 模型供应链 | 低 | 依赖 Hugging Face 模型下载，存在供应链攻击理论风险 |

| 数据丢失 | 中 | 内存模式无备份机制，进程崩溃即丢失全部记忆 |

核心功能

memory-qdrant 是 OpenClaw 框架的本地语义记忆插件，通过 Qdrant 内存模式 + Transformers.js 本地推理，为 AI 助手赋予真正的长期记忆能力。

三大工具

| 工具 | 功能 |

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

| `memory_store` | 主动保存重要信息，支持分类与重要性评分 |

| `memory_search` | 语义搜索相关记忆，自动理解查询意图 |

| `memory_forget` | 按 ID 或内容删除特定记忆 |

显著优点

1. 零配置开箱即用：默认内存模式无需部署任何服务，安装即用
2. 隐私优先设计：embedding 模型本地运行（Xenova/all-MiniLM-L6-v2），数据不上云
3. 智能自动化：通过 lifecycle hooks 实现对话结束自动捕获、上下文自动召回
4. 灵活可扩展：可选连接外部 Qdrant 服务，满足持久化需求

局限性与注意事项

• 数据非持久化：内存模式重启后清空，需权衡便利与持久化需求
• 首运行需联网：Transformers.js 首次需从 Hugging Face 下载约 25MB 模型
• autoCapture 隐私风险：自动记录对话内容，默认关闭，开启需谨慎
• 依赖 Node 环境：需本地安装 Node.js 和 npm

适合人群

• 个人 AI 工作流用户：希望 AI 记住偏好、项目背景的独立开发者
• 隐私敏感场景：拒绝云端记忆方案，要求数据完全本地可控
• OpenClaw 生态用户：已使用 OpenClaw 框架，需扩展记忆能力

常规风险

• 网络隔离环境首次运行失败（模型下载）
• autoCapture 误开启导致敏感对话泄露
• 内存模式进程崩溃导致记忆丢失
• 配置外部 Qdrant 时未加密传输风险

---

安全评级 S（87分）：代码无危险函数，依赖可信，隐私设计合理，来源为个人开发者（T3）。