核心机制
Total Recall 是一款面向 AI Agent 的自主记忆管理技能，采用五层冗余架构实现会话记忆的自动捕获与维护：
1. Observer（观察者）：每15-30分钟通过 cron 运行，将最近对话压缩为带优先级标记（🔴🟡🟢）的结构化笔记
2. Reflector（反射器）：当观测日志超过8000词时自动触发，整合相关内容并清理过期低优先级条目，体积缩减40-60%
3. Session Recovery（会话恢复）：在 /new 或 /reset 时检测遗漏会话并紧急补录
4. Reactive Watcher（响应监视器，Linux专属）：通过 inotify 监控会话目录，高活跃期可突破 cron 间隔限制
5. Pre-compaction Hook（预压缩钩子）：在 OpenClaw 上下文压缩前执行紧急捕获
显著优点
- 零维护设计：无需手动保存、无需向量数据库、无需管理记忆检索
- 成本极低：基于 Gemini Flash 模型，典型使用场景月成本约 $0.05-0.15
- 智能优先级：LLM 自动判断信息重要性并分级标记
- 跨平台兼容：核心脚本使用可移植 bash，Linux/macOS 均支持（响应式监视仅限Linux）
- 开源透明：基于 OpenClaw 生态，prompt 和配置完全可定制
潜在局限
- 外部依赖：必须配置 OpenRouter API key，存在第三方服务依赖
- 异步延迟：cron 间隔意味着非实时记忆，紧急情况依赖 Reactive Watcher 或手动触发
- Linux 功能受限：inotify 响应式触发在 macOS 不可用
- 无语义检索：纯文本压缩存储，不支持向量相似度搜索（需配合
memorySearch配置开启关键词检索） - 成本控制边界：极高频会话可能超出预估成本
适合人群
- 使用 OpenClaw 等支持技能系统的 AI Agent 框架的用户
- 希望获得"无需想起记忆"体验、厌恶手动管理记忆库的开发者
- 追求低成本、偏好纯文本/文件系统方案而非 Pinecone/Milvus 等向量数据库的用户
- 日常会话负载适中、可接受分钟级延迟的记忆同步
常规风险
- API Key 泄露：需妥善保管 OpenRouter 密钥
- 观测丢失：极端情况下（如系统崩溃、cron 未运行）可能有15-30分钟窗口的会话未被捕获
- LLM 幻觉压缩：自动摘要可能丢失细粒度信息或产生偏差
- 存储膨胀：长期运行后即使经过反射整合，observations.md 仍会增长，需关注磁盘空间
- 权限配置：Reactive Watcher 需 systemd 用户服务权限，部分受限环境可能无法启用