核心用法
Elite Longterm Memory 采用六层混合架构解决 AI 助手的上下文丢失问题：
HOT RAM（SESSION-STATE.md）：基于 WAL（预写日志）协议的活跃工作记忆，确保关键信息在响应前持久化，即使遭遇崩溃或压缩也能恢复。
WARM STORE（LanceDB 向量库）：语义搜索引擎，通过 memory_recall 自动注入相关历史上下文，支持基于相似度的智能召回。
COLD STORE（Git-Notes 知识图谱）：结构化决策存储，利用 Git 的 notes 机制实现分支感知的永久记忆，适合技术决策和项目规范。
CURATED ARCHIVE（MEMORY.md）：人工精选的长期记忆，以 Markdown 形式维护，便于人类阅读与审计。
CLOUD BACKUP（SuperMemory）：可选的跨设备同步层，支持云端知识库对话。
AUTO-EXTRACTION（Mem0）：推荐的自动事实提取层，可减少 80% 的 token 消耗，自动识别偏好、决策和事实。
显著优点
1. 架构完整性：六层设计覆盖从毫秒级热数据到年级冷数据的全生命周期，比单一方案更可靠
2. 协议严谨性：WAL 协议强制"先写后响应"，从根本上消除"回复后崩溃丢上下文"的 race condition
3. 生态兼容性：原生支持 Cursor、Claude Code、ChatGPT、Copilot 等主流 AI 编码工具
4. 成本优化：Mem0 集成实现 80% token 削减，长期使用可显著降低 API 费用
5. 可审计性：Git-Notes 和 Markdown 存档使记忆完全透明，便于回溯和合规审查
潜在缺点与局限性
1. 配置复杂度：六层架构需要分别配置 LanceDB、Git-Notes、可选的 SuperMemory/Mem0，对新手门槛较高
2. OpenAI 依赖：向量搜索和 Mem0 功能需要 OPENAI_API_KEY，存在供应商锁定
3. 维护负担：需要执行"记忆卫生"（Memory Hygiene）——每周归档、清理向量、合并日志，否则性能衰减
4. 存储膨胀：长期运行后 ~/.openclaw/memory// 可能膨胀，需要手动清理或归档
5. 子代理隔离：子任务代理默认不继承上下文，需要显式传递，容易遗漏
适合的目标群体
- 长期项目开发者：需要维护跨越数周/数月的复杂代码库上下文
- AI 辅助编程重度用户：日均与 AI 交互超过 2 小时，对"重复解释"极度不耐受
- 团队协作场景：Git-Notes 的分支感知特性适合多人共享项目记忆
- vibe-coding 实践者：追求流畅心流体验，不愿被上下文重置打断
使用风险
1. 性能风险：向量搜索在大规模记忆库（>10万条）时延迟可能上升，需定期归档
2. 依赖项风险：mem0ai 为可选依赖，若未来版本引入破坏性变更可能影响自动提取功能
3. 数据一致性：多层架构存在同步延迟，极端情况下可能出现 HOT/WARM/COLD 三层记忆不一致
4. Git 污染风险：Git-Notes 会修改 .git/refs/notes/，若操作不当可能影响仓库历史
5. API 密钥暴露：需要配置多个第三方 API 密钥（OpenAI、SuperMemory、Mem0），存在配置泄露风险