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 |