Memory Core

核心功能

Memory Core 是 OpenClaw Agent 的长期记忆中枢，采用向量数据库 LanceDB 实现跨会话记忆持久化。其核心设计亮点在于场景隔离机制——自动识别用户意图与场景上下文，在检索阶段严格过滤无关记忆，从根本上解决多轮对话中的"记忆污染"问题。

显著优势

1. 隐私优先架构：默认本地文件持久化，数据不出机器，契合企业合规要求
2. 智能预算适配：三级动态预算（small/medium/large），根据 agent_id 启发式分档，兼顾成本与效果
3. 双模向量化：支持本地 Ollama（nomic-embed-text）与云端 SiliconFlow（BGE-M3）无缝切换
4. 精细化检索控制：可配置相似度阈值、结果上限、字符配额等多维参数

潜在局限

• 依赖外部向量化服务（本地需 Ollama，云端需 API Key），首次配置有一定门槛
• 预算自适应为启发式策略，特殊场景可能需要手动调优
• LanceDB 作为新兴向量库，生态成熟度逊于 Pinecone/Milvus 等云端方案

适用人群

• 需要跨会话上下文连贯的个人 AI Agent 开发者
• 对数据本地化有强需求的隐私敏感用户
• 构建多 Agent 系统的架构师（需场景隔离防串扰）

常规风险

• API Key 管理不当可能导致云端调用泄露
• 本地 Ollama 服务异常时自动降级逻辑缺失（需手动切换配置）
• 高维向量存储随记忆量增长可能产生磁盘膨胀，建议定期清理或归档

核心用法

Memory Core 是 OpenClaw Agent 的长期记忆基础设施，采用 LanceDB 向量数据库实现跨会话的记忆持久化。用户通过 CLI 命令完成记忆的摄入（ingest）、检索（retrieve）和删除（forget），记忆自动按 Agent ID 和场景标签隔离，避免上下文污染。

显著优点

本地优先架构：记忆数据默认存储于本地 LanceDB 文件，不向外部传输原始内容，满足隐私敏感场景需求。支持 Ollama 本地 Embedding，实现完全离线的记忆闭环。

智能预算分档：内置 small/medium/large 三档检索预算，根据 Agent 模型规模自动适配 token 消耗，兼顾效果与成本。

场景隔离机制：自动识别意图与场景标签，检索时严格过滤，有效防止跨场景记忆干扰，提升上下文相关性。

灵活配置：支持 SiliconFlow、OpenAI、Ollama 多种 Embedding 后端，API Key 可从环境变量或配置文件安全读取。

潜在局限

• 外部依赖：使用云端 Embedding 时需网络连接，存在单点故障风险（可降级为 mock 向量，但影响质量）
• 存储规模：LanceDB 为单机文件存储，不适合超大规模分布式场景
• 无自动加密：本地数据文件未默认加密，多用户共享机器需注意权限隔离

适合人群

• 需要 Agent 具备长期记忆能力的开发者
• 隐私敏感、倾向本地部署的企业用户
• 使用 OpenClaw Workspace 构建个人知识助手的用户

常规风险

| 风险项 | 等级 | 说明 |

|--------|------|------|

| Embedding API 调用 | Low | HTTPS 传输，Key 无硬编码，建议优先本地 Ollama |

| 配置文件读取 | Low | 读取 ~/.openclaw/openclaw.json，需确保文件权限受限 |

| 本地数据存储 | Info | 默认 skill 目录下，建议备份与权限管理 |

安全评分 89/100（A 级），代码无危险函数，依赖可信，符合 GDPR/CCPA 合规要求。