核心用法
Jasper Recall 是一套面向 AI Agent 的本地检索增强生成（RAG）记忆系统，核心功能围绕三条命令展开：
1. digest-sessions — 从会话日志提取关键信息（主题、工具使用等），生成结构化摘要
2. index-digests — 将 Markdown 文件分块并嵌入到 ChromaDB 向量数据库
3. recall — 基于语义相似度搜索历史记忆
系统采用 Python 生态的成熟方案（ChromaDB + sentence-transformers），使用 all-MiniLM-L6-v2 模型生成 384 维嵌入，完全离线运行。
显著优点
- 完全本地化：无需调用外部 API，数据不出本地， embedding 模型首次下载后离线可用
- 多 Agent 隔离架构：通过 ChromaDB 多集合（private_memories / shared_memories / agent_learnings）实现精细权限控制
- 隐私分级机制：支持
[public]/[private]/[learning]标签，主 Agent 与沙盒 Agent 可双向/单向共享特定记忆 - OpenClaw 插件集成：支持 autoRecall 自动注入相关上下文，且内置过滤规则（跳过心跳、自动化报告等）
- HTTP 服务化：
serve命令提供 REST API，方便 Docker 隔离环境下的 Agent 调用
潜在缺点与局限性
- Python 依赖负担：需安装 ~200MB 的 Python venv（含 PyTorch 等重型依赖），对纯 Node.js 环境不友好
- 嵌入模型固定：当前锁定 all-MiniLM-L6-v2，不支持自定义模型或 GPU 加速配置
- 无分布式能力：ChromaDB 为本地单机版，无法横向扩展
- 隐私检查规则有限：内置检测（邮箱、API key、内网 IP 等）基于正则，可能漏检新型敏感模式
- 版本迁移成本：v0.2.0+ 引入多集合架构，与早期
jasper_memory单集合存在兼容层，长期维护需关注
适合人群
- 需要长期记忆能力的自主 Agent 开发者
- 运行多 Agent 系统（主 Agent + 沙盒工具 Agent）的团队
- 对数据隐私敏感、拒绝云服务 RAG 的个人或企业
- OpenClaw 生态用户
常规风险
| 风险点 | 说明 |
|--------|------|
| 配置泄露 | `RECALL_ALLOW_PRIVATE=true` 误设会暴露私忆至任意客户端 |
| 绑定地址 | `serve --host 0.0.0.0` 默认未限制，需显式加固 |
| 敏感数据残留 | 记忆文件未加密，物理访问即可读取 |
| 注入过度 | autoRecall 未设 `minScore` 阈值时可能污染上下文 |
建议生产环境配合容器隔离、定期 privacy-check 扫描、以及dry-run验证共享内容。