核心用法
Jasper Recall 是一套面向 AI agent 的本地记忆增强系统，通过 Retrieval-Augmented Generation 架构实现会话历史的持久化存储与语义检索。
三大核心命令：
1. `digest-sessions` — 从会话日志提取关键信息（主题、工具使用记录），生成结构化摘要
2. `index-digests` — 将 Markdown 文件分块、嵌入并索引到本地 ChromaDB 数据库
3. `recall "query"` — 执行语义搜索，基于 sentence-transformers 的 384 维向量检索相关记忆
技术栈特点：
- 使用
all-MiniLM-L6-v2模型（~80MB），完全本地运行，零 API 依赖 - 默认索引路径：
~/.openclaw/workspace/memory/下的笔记、会话摘要、项目文档等 - 支持内容哈希检测，跳过未变更文件，避免重复处理
Agent 集成方案：
- 查询前置：回答问题前自动检索相关历史上下文
- 定时维护：通过 HEARTBEAT.md 或 cron 任务实现自动索引更新
- JSON 输出模式便于程序化解析
显著优点
- 隐私优先：纯本地运行，敏感会话数据不出境
- 低门槛部署：单条命令
npx jasper-recall setup完成环境配置 - 语义理解：基于向量相似度而非关键词匹配，支持模糊查询
- 模块化设计：三个独立 CLI 工具可灵活组合
- 增量索引：智能检测文件变更，高效处理大规模记忆库
潜在缺点与局限性
- 模型能力边界：MiniLM 对复杂语义和跨语言支持有限
- 无分布式能力：单节点 ChromaDB，不适合多机协作场景
- 分块策略固定：500 字符硬分块可能破坏语义连贯性
- 冷启动成本：首次需下载 embedding 模型
- 维护负担：需手动/定时触发索引更新，非实时同步
适合人群
- 注重数据隐私的独立开发者与小型团队
- 需要 agent 具备长期记忆能力的 AI 应用构建者
- 频繁进行多轮复杂会话、需上下文连续性的场景
- 希望零成本（无 API 费用）实现 RAG 记忆的开发环境
常规风险
| 风险类型 | 说明 | 缓解建议 |
|---------|------|---------|
| 数据丢失 | 本地 ChromaDB 无内置备份机制 | 定期备份 `~/.openclaw/chroma-db` 目录 |
| 索引漂移 | 长期未更新导致记忆库与实际文件脱节 | 配置 cron 每 6 小时自动执行 `index-digests` |
| 模型偏见 | embedding 模型可能编码训练数据中的偏见 | 关键决策仍需人工复核原始会话 |
| 存储膨胀 | 高频会话生成大量向量数据 | 定期清理过期 `session-digests` |