核心功能
Triple Memory Baidu Embedding 是一个综合型记忆架构，整合三种互补系统实现会话级上下文持久化：
三层记忆架构
| 层级 | 技术 | 功能 | 隐私特性 |
|------|------|------|---------|
| **对话记忆** | Baidu Embedding-V1 | 自动召回相关记忆、偏好/决策自动捕获 | 向量本地存储，仅调用百度API进行嵌入计算 |
| **结构化记忆** | Git-Notes | 分支隔离、实体提取、重要性分级 | 完全本地，零外部调用 |
| **工作区搜索** | 文件系统 | MEMORY.md、日志、文档检索 | 完全本地 |
工作流程
用户消息 → Baidu向量召回注入 → Agent响应 → 自动捕获 → Git-Notes结构化存储 → 文件持久化
显著优点
1. 中文语义优化：Baidu Embedding-V1 针对中文语境优化，比OpenAI方案更理解中文细微差别
2. 隐私优先设计：敏感向量数据本地存储，仅传输文本至百度API进行嵌入计算
3. 成本优势：相比OpenAI嵌入API，百度方案潜在成本更低
4. 渐进降级能力：无API凭证时自动切换至Git-Notes+文件系统模式，核心功能不中断
5. 分支感知：Git-Notes支持按Git分支隔离记忆，适合多项目并行
6. 静默操作：记忆过程对用户无感知，不打断对话流
潜在局限
1. API依赖：自动召回/捕获功能必须配置百度API凭证（BAIDU_API_STRING、BAIDU_SECRET_KEY）
2. 供应商锁定：嵌入模型绑定百度文心，迁移需重新生成向量
3. 本地存储管理：向量数据库随使用增长，需定期维护
4. 初始配置复杂度：需同时配置两套依赖技能（git-notes-memory + memory-baidu-embedding-db）
5. 网络要求：Baidu层需稳定的API连接
适合人群
- 中文优先用户：需要高质量中文语义理解的Agent场景
- 隐私敏感场景：不愿将记忆数据托管至OpenAI等海外服务商
- 长期项目维护：需要跨周、跨月保持上下文一致性的复杂任务
- 成本敏感团队：寻求OpenAI替代方案的Embedding用例
常规风险
| 风险类型 | 描述 | 缓解措施 |
|---------|------|---------|
| API密钥泄露 | Baidu凭证环境变量配置 | 使用专用密钥管理服务，避免硬编码 |
| 数据残留 | 向量删除不彻底 | 定期审计memory目录，使用`baidu_memory_forget`合规清理 |
| 版本兼容性 | 三层系统版本不匹配 | 统一通过clawdhub安装，锁定版本号 |
| 降级模式盲区 | 无凭证时用户不知自动降级 | 文档明确标注，日志记录当前运行模式 |
| Git冲突 | 多设备Git-Notes同步冲突 | 建立明确的pull/push工作流 |
配置要点
# 必需：安装依赖 clawdhub install git-notes-memory clawdhub install memory-baidu-embedding-db # 必需：API凭证（获取完整功能） export BAIDU_API_STRING='your_bce_v3_api_string' export BAIDU_SECRET_KEY='your_secret_key' # 推荐：启动钩子集成 /root/clawd/session-init-triple-baidu.sh
使用模式
- 自动模式（有凭证）：三层全功能运行，偏好/决策自动捕获
- 降级模式（无凭证）：Git-Notes + 文件搜索可用，手动工具禁用