核心用法
persistent-memory 是一套企业级三层记忆架构，专为解决AI Agent的跨会话遗忘问题而设计。系统通过一键部署脚本（unified_setup.sh）自动构建：
- L1 Markdown层：人类可读的
MEMORY.md、每日日志memory/YYYY-MM-DD.md及reference/知识库，作为真相源 - L2 向量层：ChromaDB + all-MiniLM-L6-v2模型实现语义搜索，支持自然语言检索历史决策
- L3 图谱层：NetworkX构建概念关系网络，支持关系遍历推理
关键创新在于configure_openclaw.py脚本——它强制OpenClaw索引SOUL.md、AGENTS.md等关键指令文件，根治「Agent无视自身规则」的行业顽疾。
显著优点
1. 零配置开箱即用：单条bash命令完成Python依赖、虚拟环境、数据库、IDE集成全链路部署
2. 指令合规自动化：突破OpenClaw默认索引限制，确保行为准则被强制检索
3. 三层冗余保障：任何单点故障不会导致记忆丢失，Markdown层始终可人工修复
4. 语义+结构化双检索：既能模糊匹配概念，也能精准查询实体关系
5. 生产级监控：auto_retrieve.py --status提供版本哈希校验，防止记忆漂移
潜在局限
- 架构耦合性：强依赖OpenClaw生态，其他Agent框架需适配改造
- 本地存储限制：ChromaDB默认文件存储，高并发场景需迁移至服务器模式
- 索引延迟：手动触发
indexer.py，无实时监听（可配合inotify改进） - 模型固定：sentence-transformers模型锁死，无法热切换多语言/领域专用模型
适合人群
- 长期运行项目的AI辅助开发团队（需跨周/月保持上下文）
- 企业知识库构建场景（合规审计要求决策可追溯）
- 多Agent协作系统（需共享机构记忆与行为准则）
- 对「AI幻觉导致违规操作」高度敏感的金融、医疗、法务领域
常规风险
| 风险类型 | 描述 | 缓解措施 |
|---------|------|---------|
| 记忆污染 | 错误信息被索引后持续传播 | 定期审核`MEMORY.md`，版本控制回溯 |
| 指令绕过 | OpenClaw配置被意外覆盖 | 将`configure_openclaw.py`纳入CI检查 |
| 隐私泄露 | `reference/people.md`含敏感联系信息 | `.gitignore`配置+加密存储PII |
| 索引损坏 | SIGSEGV等ML库兼容性问题 | 使用脚本固定依赖版本，定期`--status`校验 |
| 依赖过时 | ChromaDB/NetworkX版本迭代 | 锁定`requirements.txt`，计划性升级测试 |