核心功能
Agent Memory v9.1.0 是专为 AI Agent 设计的持久化记忆层，替代传统扁平文件方案，提供结构化、可检索的长期上下文管理能力。核心架构采用 6D坐标编码（时间、重要性、置信度、情感、实体、主题）对记忆进行多维索引，结合 RRF双路检索（向量语义搜索 + 关键词 BM25）实现高精度召回。
显著优点
- 本地优先，隐私安全：核心代码纯 Python 实现，零外部构建依赖，默认本地模式无需任何 API Key，敏感数据不出境
- RAG 能力完善：集成 GraphRAG 知识图谱、多模态记忆（文本/图像/音频）、记忆生命周期管理（自动衰减、蒸馏、归档）
- 主动智能：内置主动通知系统、好奇驱动探索、自我反思与叙事生成，支持 Agent 从"被动响应"转向"主动行为"
- 生产级特性：gRPC/TypeScript SDK、分布式向量存储、RBAC 权限管理、时间旅行（快照/回溯/对比）
- 数字孪生：v7.5+ 支持基于记忆数据构建人格画像，v8.0+ 引入角色模板系统实现风格迁移
潜在局限
- 安全责任后置：默认配置面向本地开发，生产部署需手动配置
--api-key、--host绑定及 RBAC，否则存在内存投毒、越权访问风险 - 依赖管理复杂：可选功能（语义搜索、多模态 OCR）依赖外部 PyPI 包和 HuggingFace 模型，供应链需人工审计
- 记忆可信度问题：自动检索的记忆标记为
[UNTRUSTED]，需 Agent 层额外处理避免过度信任；记忆蒸馏的低置信度条目虽隔离但仍需人工复核 - 资源占用：Embedding 模型常驻内存，长文本多模态场景显存/内存消耗显著
适合人群
- 个人开发者：需为 AI 助手（如 Claude、ChatGPT）建立跨会话长期记忆的本地优先用户
- 多 Agent 系统：需要记忆共享、因果链追踪、知识图谱协作的复杂 Agent 架构
- 隐私敏感场景：医疗、法律、金融等数据不可出境的领域，需完全本地化 RAG 方案
- Agent 研究者：探索意识进化、数字孪生、主动行为等前沿方向的实验平台
常规风险
| 风险类型 | 说明 | 缓解建议 |
|---------|------|---------|
| 记忆投毒 | 恶意/错误记忆污染检索结果 | 定期 `recall`+`forget` 审查，启用 `--review` 写入确认 |
| 权限扩散 | 默认 `visibility=team` 历史设计导致跨 Agent 泄露 | 显式设置 `--visibility private`，多租户启用 `permission_manager.py` |
| 数据外泄 | 误配置外部 LLM/embedding 后端 | 敏感数据使用本地模式，外部 API 仅用于非敏感场景 |
| 供应链攻击 | 可选依赖或模型文件篡改 | venv 隔离、版本锁定、SHA256 校验模型文件 |
| 高影响操作误执行 | sync/maintain/export/server 等命令数据丢失 | 确认目标范围，sync 使用 `--dry-run` 预览 |