Fluid Memory

🧠 会遗忘、懂语义的赛博大脑

AI Infrastructure榜 #1

基于ChromaDB的仿生记忆系统,会遗忘、需强化、懂语义,支持与OpenClaw原生flush联动自动学习,适合需要长期个性化记忆的智能助手场景。

收藏
22.3k
安装
5.6k
版本
1.0.7
CLS 安全性认证2026-07-01
点击查看完整报告 >

使用说明

核心用法

fluid-memory 是一款模拟人类认知特性的记忆增强技能,核心围绕"植入-唤起-遗忘"三元组展开:

1. 植入记忆 (fluid_remember):用户明确说「记住xxx」时调用,写入新记忆
2. 唤起记忆 (fluid_recall):检索过往对话,每次检索自动强化该记忆(访问计数+1)

3. 遗忘机制 (fluid_forget/fluid_status):支持主动归档+动态过滤(分数<0.05)+梦境守护(分数<0.15定时归档)

4. 智能总结 (fluid_summarize/fluid_increment_summarize):支持多轮对话自动摘要,增量模式更省Token

关键特性:通过OpenClaw原生flush机制触发自动学习,配置softThresholdTokens控制触发频率,替代了早期固定轮次存储策略。

显著优点

  • 仿生设计:遗忘与强化机制贴近真实认知,避免记忆膨胀
  • 语义理解:基于ChromaDB向量检索,理解语义而非关键词匹配
  • 自动集成:Hook到OpenClaw原生compaction,零感知的持续学习
  • 开发者友好:Conda环境隔离,Python+YAML配置简洁

潜在缺点与局限

  • 依赖较重:需预装ChromaDB、PyYAML,且依赖OpenClaw生态
  • Windows路径硬编码:内部实现暴露绝对路径C:\Users\41546\miniconda3,跨平台性差
  • 遗忘黑盒:阈值(0.05/0.15)不可配置,用户无法精细控制
  • 无加密说明:本地存储的记忆数据安全性未提及
  • 占位报告:安全认证报告为系统占位,未经实际扫描

适合人群

  • OpenClaw生态重度用户,追求对话连贯性的个人AI助手场景
  • 需要长期用户画像、偏好记忆的客服/ companion 应用
  • 对仿生AI、神经符号系统感兴趣的开发者

常规风险

| 风险类型 | 等级 | 说明 |
|---------|------|------|
| 数据隐私 | ⚠️ 中 | 本地明文存储,无加密/访问控制说明 |
| 生态锁定 | ⚠️ 中高 | 深度耦合OpenClaw,迁移成本高 |
| 记忆幻觉 | ⚠️ 低 | 向量检索可能召回语义相近但错误的记忆 |
| 依赖安全 | ⚠️ 中 | ChromaDB、PyYAML漏洞需自行维护更新 |

安全解读

核心用法

Fluid Memory 是一套模拟人类认知的记忆系统,通过「植入-唤起-遗忘」三元机制运作。用户以自然语言触发(如「记住我喜欢咖啡」「我之前说过什么」),系统自动调用对应工具完成语义存储或检索。支持两种记忆强化路径:显性调用 fluid_recall(每次检索提升记忆权重),以及隐性依赖 OpenClaw 原生 flush 的自动学习模式。

技术架构采用 ChromaDB 作为向量存储底座,wrapper.py 作为本地命令行入口,Python 依赖仅需 chromadbpyyaml。所有数据落地于用户目录 ~/.openclaw/workspace,无云端传输。

显著优点

1. 仿生遗忘机制:动态过滤(检索分数<0.05)、主动归档(fluid_forget)、梦境守护(定时清理<0.15)三层策略,避免记忆臃肿。
2. 语义级检索:基于向量相似度而非关键词匹配,理解「咖啡」与「拿铁」的关联。

3. Token 经济:增量总结(fluid_increment_summarize)仅处理新增对话,较全量总结节省 60%+ Token。

4. 零网络暴露:纯本地运行,通过 subprocess 调用 conda 环境 Python,无外部 API 泄露风险。

潜在缺点

1. 环境耦合重:强制依赖 Conda 环境变量(CONDA_PREFIX),裸机 Python 或虚拟环境需手动适配 wrapper 脚本。
2. 无分布式同步:单机架构,跨设备记忆无法自动同步,需用户自行备份 ~/.openclaw/workspace

3. 遗忘阈值黑箱:0.05/0.15 的分数阈值未向终端用户暴露调节接口,精细控制需改源码。

4. ChromaDB 资源占用:向量数据库内存占用随记忆量线性增长,长期高负载场景需关注 GC。

适合人群

  • 追求「有温度」记忆交互的 AI 对话重度用户
  • 需在本地沉淀个人知识库、拒绝云服务的隐私敏感者
  • OpenClaw 生态现有用户(依赖其 flush/compaction 机制)
  • 具备基础 Python 环境调试能力的技术爱好者

常规风险

1. 数据持久化风险:未配置自动备份时,磁盘损坏或误删目录导致记忆永久丢失。
2. Conda 路径漂移:系统重装或 Conda 升级后环境变量失效,触发 wrapper 调用失败。

3. 输入注入(低危)remember/recall 接收用户输入直接拼接入命令行,虽经 subprocess 列表传参规避 shell 注入,但超长字符串可能引发 ChromaDB 解析异常。

4. 权限蔓延~/.openclaw 目录权限若配置宽松,多用户系统存在记忆文件被其他用户读取风险。

Fluid Memory 内容

hooks文件夹
fluid-memory-sync文件夹
手动下载zip · 15.0 kB
handler.jstext/javascript
请选择文件