核心用法
BrainDB 是专为 OpenClaw 设计的持久化语义记忆插件，解决 AI 助手会话间"失忆"的核心痛点。安装后自动运行，无需手动命令——系统会在对话中捕获关键事实（用户身份、项目背景、历史上下文），并在后续查询中智能召回相关记忆。
技术架构：基于 Neo4j 图数据库 + 本地嵌入模型，采用 768 维向量语义搜索，支持 4 种记忆类型（ episodic 事件、semantic 事实、procedural 技能、association 关联）。通过赫布学习机制强化常用记忆，自动去重与查询扩展提升召回质量。
部署方式：Docker 化部署，包含 3 个容器（Neo4j、embedder、gatway），首次启动需 3-5 分钟下载模型，后续约 10 秒冷启动。提供迁移工具可将现有 MEMORY.md 或工作区文件导入，支持完全本地处理或可选调用 Google Gemini API 进行智能抽取。
显著优点
- 真正持久化：记忆 survive 压缩、会话重置与重启，区别于临时上下文窗口方案
- 高性能：官方基准 98% 召回准确率，12-20ms 平均延迟，冷查询约 60ms
- 语义深度：向量搜索理解概念关联，非简单关键词匹配；支持自然语言查询扩展
- 优雅降级：网关/数据库/嵌入服务任一故障时，系统自动回退到传统文件记忆，零中断
- 隐私优先：核心运行完全本地，无外部 API 调用；可选的 swarm 迁移需显式授权
- 安全加固：localhost 绑定、隔离 Docker 网络、自动生成强密码、非 root 容器运行
潜在缺点与局限性
- 资源门槛：需 Docker + ~4GB RAM，对轻量环境较重
- 生态绑定：专为 OpenClaw 设计，其他 AI 框架无法直接使用
- 存储开销：10K+ 记忆约需 3GB 存储，长期运行需容量规划
- 迁移复杂度：旧记忆导入需理解
--scan/--dry-run/--no-swarm等选项，新手易困惑 - 黑盒调试：自动捕获逻辑不透明，用户难以预知哪些内容会被记忆
- 单一故障点：若 Docker 卷损坏且未备份，持久记忆将丢失（卸载时仅导出 JSON/Markdown）
适合人群
- 重度 OpenClaw 用户，需跨项目/跨会话维持长期上下文
- 对数据隐私敏感，拒绝云记忆方案的企业/个人
- 有 Docker 运维能力，能接受 ~2.5GB 常驻内存占用
- 需处理复杂多步骤任务（如长期项目管理、持续学习场景）
常规风险
- 迁移数据泄露：使用 swarm 模式时文件内容发送至 Google Gemini，虽为 opt-in，但误操作风险存在
- 容器逃逸：虽采用非 root 运行，但 Docker 特权配置不当仍可能引入宿主机风险
- 配置持久化：插件修改
~/.openclaw/openclaw.json，与其他插件冲突可能导致配置损坏 - 备份依赖：官方卸载导出功能为手动触发，用户若忘记执行将丢失结构化记忆
- 嵌入模型偏见：本地模型的语义理解可能存在偏差，导致"幻觉式"错误召回