memory-lancedb-pro 综合评估
核心用法
memory-lancedb-pro 是专为 OpenClaw AI 代理设计的生产级长期记忆 MCP 插件，基于 LanceDB 向量数据库构建。核心功能包括：
1. 智能记忆提取（Smart Extraction）：通过 LLM 自动从对话中提取 6 类结构化记忆（preference/fact/decision/entity/reflection/other），支持 L0/L1/L2 分层内容生成
2. 混合检索（Hybrid Retrieval）：融合向量相似度（70%）与 BM25 全文搜索（30%），配合交叉编码器重排序（cross-encoder reranking）实现高精度召回
3. 记忆生命周期管理：基于 Weibull 分布的三层衰减模型（Core/Working/Peripheral），支持访问强化和自动晋升/降级
4. 多作用域隔离：支持 global、agent:<id>、project:<id> 等多级记忆隔离
5. 自我改进治理：内置 LEARNINGS.md/ERRORS.md 日志系统和技能提取工具
MCP 工具集：memory_recall、memory_store、memory_forget、memory_update、memory_stats、memory_list 为核心工具；self_improvement_log、self_improvement_extract_skill、self_improvement_review 为治理工具（需启用管理工具）。
显著优点
- 检索精度领先：Jina v5 任务感知嵌入 + Jina reranker v3 交叉编码器组合，在 MTEB 基准上表现优异
- 全自动记忆流水线：autoCapture（自动提取）+ autoRecall（自动注入）实现零手动干预
- 生产级可靠性：支持多密钥故障转移、详细的配置验证、一键迁移工具
- 隐私友好选项：完整支持 Ollama 本地部署，无需任何外部 API
- 灵活配置：4 种预设配置方案（Full Power/Budget/Simple/Fully Local）适配不同场景
潜在缺点与局限性
- 配置复杂度较高：20+ 个配置字段，新手容易遗漏
baseURL大小写、/v1后缀、plugins.allow等关键细节 - 本地模式性能 trade-off：Ollama 方案无交叉编码器重排序，检索精度显著低于云端方案
- 资源消耗：推荐配置需同时维护 Jina + OpenAI 两个付费 API；本地模式需 8-16GB VRAM
- Smart Extraction 依赖 LLM 质量：本地 LLM 可能出现 JSON 结构化输出失败，需降级为
smartExtraction: false - 网关重启依赖：任何配置变更都需要重启 OpenClaw Gateway，不支持热更新
适合人群
- AI 代理开发者：需要为 OpenClaw 代理添加长期记忆能力的开发者
- 多代理系统架构师：需要跨代理共享知识同时保持隔离的复杂场景
- 隐私敏感用户：通过 Plan D（Ollama 本地方案）实现完全离线部署
- 成本敏感团队：Plan B/C 提供逐步降级的成本优化路径
常规风险
- API 密钥泄露风险：配置文件中需嵌入
${ENV_VAR}格式密钥，需确保网关进程环境变量正确设置 - 数据迁移风险：从旧版 memory-lancedb 迁移时需使用专用命令，直接复制数据库文件会导致 schema 不兼容
- jit 缓存污染：修改插件源码后必须清除
/tmp/jiti/缓存，否则可能运行旧代码 - 记忆注入泄露：若代理提示词未正确设置，可能将
<relevant-memories>内容直接输出给用户 - 作用域配置错误：multi-scope 需要显式配置
scopes.agentAccess，否则代理只能访问 global 作用域