核心用法
Agent Memory 是为 OpenClaw Agent 设计的结构化记忆能力替代方案，取代传统的 MEMORY.md 扁平文件。系统采用 6D 坐标编码（时间、空间、情感、重要性、置信度、来源）对记忆进行多维索引，支持 RRF 双路检索（向量语义搜索 + 关键词 BM25 混合排序）。
主要功能模块
记忆基础操作：remember 写入、recall 检索、context 上下文获取、forget 删除，支持重要性标记和审核模式。
GraphRAG 知识图谱：自动构建实体关系网络，支持 encyclopedia 个人百科、entities 实体浏览、topic-summaries 主题聚合，实现从原始记忆到结构化知识的蒸馏层级。
意识进化（v7.0+）：whoami 身份叙述、worldview 世界观生成、reflect 自我反思、gaps 知识空白检测，赋予 Agent 类认知能力。
数字孪生与人格分析（v7.5+）：persona 构建人格画像，支持微信聊天记录等多源数据分析，生成基于证据的人格特征报告。
Spirit 记忆管家（v10.0）：自然语言交互接口，提供 daily-report、weekly-report 自动总结、health 系统诊断、awareness 知识感知查询。
安全架构：Dual-LLM 协议强制标记 [MEMORY_REPORT] 边界，[UNVERIFIED] 标签标识无来源内容，写入操作需用户显式确认，支持只读模式运行。
显著优点
1. 零外部依赖核心：纯 Python + stdlib 实现，可选依赖通过 requirements.txt 锁定版本，供应链攻击面极小
2. 多模态原生支持：文本、图像 OCR、音频转录统一向量存储
3. 记忆生命周期完整：自动衰减、冲突检测、蒸馏归档、快照回滚（snapshot/diff/blame 时间旅行）
4. 分布式就绪：gRPC/HTTP 双协议，SQLite-vec 向量存储可扩展至分布式部署
5. 主动 Agent 行为：Reactor 系统支持时间提醒、矛盾通知、无聊度驱动的自主探索
潜在局限
- 本地存储默认：单机 SQLite 架构，高并发场景需额外部署分布式向量数据库
- Embedding 模型负载：
sentence-transformers依赖 PyTorch，首次加载延迟明显（已通过 model_server.py 守护进程缓解） - 人格分析非权威：基于统计摘要生成，非心理学诊断，存在归因偏差风险
- 中文优化为主：默认
bge-small-zh-v1.5模型，多语言场景需切换模型
适合人群
- 需要长期上下文保持的个人 Agent 用户
- 构建多 Agent 协作系统的开发者（共享记忆池 + 权限隔离）
- 希望 Agent 具备"自我认知"和主动行为的研究者
- 对数据隐私敏感、偏好本地优先部署的用户
常规风险
数据泄露：memory.db 包含完整记忆内容，需严格文件权限（0600）并排除版本控制。
提示注入：检索结果标记为 [UNTRUSTED]，禁止 Agent 将其作为指令执行，需人工审查循环。
模型供应链：HuggingFace 模型下载需 SHA256 校验，国内镜像需确认源可信度。
记忆污染：自动写入可能积累错误信息，建议定期执行 maintain + conflicts 审查。