Cortex Memory 综合评估
核心用法
Cortex Memory 是一套为 OpenClaw 代理设计的企业级长期记忆系统，解决 AI 对话中上下文丢失的核心痛点。其工作流程遵循"自动召回→交互处理→自动捕获"的闭环：
自动召回（Before Turn）：系统在每轮对话前自动检索与用户相关的历史记忆，以 <cortex_memories> 块形式注入上下文，但明确标注为"摘要而非完整细节"。
主动检索：当自动召回不充分时，代理必须调用 cortex_search_memory 工具，支持多模式查询（facts/decisions/recent）、多跳推理策略，且强制要求至少尝试 2 种不同查询后才可表示"信息不可用"。
显式保存（Explicit Save）：这是最关键的设计——自动捕获仅提取主题级摘要，具体技术细节（如缓存键模式 arclight:user:{userId}、SQL 语句、版本选择理由）必须在当前轮次显式调用 cortex_save_memory 保存，否则永久丢失。
会话目标管理：通过 cortex_set_session_goal 设定主目标，优化召回偏向和捕获标签。
记忆遗忘与审计：支持精确删除（需用户确认）和完整数据审计（/audit on）。
显著优点
1. 连续性保障：跨会话持久化事实、偏好与决策，真正实现"越用越懂你"的体验
2. 智能检索策略：多模式搜索 + 强制验证规则，显著降低"幻觉式否认"（false negative）
3. 关键细节保全：显式保存机制确保技术实现细节不被简化丢失
4. 隐私控制粒度：用户可独立关闭自动召回/捕获，支持按记忆删除，数据按工作空间隔离
5. TooToo Bridge 集成：识别用户反思时刻，触发价值观/职业信念的深度对话
6. 置信度校准：明确区分"记忆缺失"与"搜索不足"，要求代理"搜索更努力而非直接回避"
潜在局限性与风险
操作复杂性：显式保存规则需要开发者严格遵循，遗漏保存技术细节将导致知识断层；搜索策略的多查询要求增加响应延迟。
记忆污染风险：文档明确警告"幻觉可能被重新捕获"——错误信息一旦保存，会在后续召回中被强化，形成自我强化的错误循环。
隐私边界模糊：虽然承诺过滤凭证和敏感数据，但"个人事实需用户确认"规则依赖代理正确识别何为"个人"，存在误判风险。
状态冲突处理：当记忆与实时工作空间冲突时，系统要求"报告两者"，但未明确用户如何高效仲裁，可能造成决策负担。
TooToo 集成伦理：价值观探问虽设有时机限制（非连续追问、不强制），但仍存在将工具性对话转向治疗性对话的边界模糊问题。
适合人群
- 长期项目协作：需要 AI 记住数周前架构决策、调试历史的开发者团队
- 个人知识管理：希望 AI 持续学习其技术偏好、工作模式的个体用户
- 复杂多轮任务：客户服务、研究助理等需要跨会话上下文的场景
- 隐私敏感但愿意投入配置的用户：需要细粒度控制数据捕获与召回
常规风险
| 风险类型 | 具体表现 | 缓解措施 |
|---------|---------|---------|
| 记忆幻觉强化 | 错误信息被保存后反复召回 | 定期审计 `/audit on`，主动遗忘可疑记忆 |
| 信息丢失 | 未显式保存技术细节 | 严格遵守 Rule 6，设置保存检查清单 |
| 隐私泄露 | 个人事实被不恰当召回或展示 | 关闭 autoRecall，显式确认敏感信息 |
| 检索失败 | 多查询策略未执行导致错误否认 | 监控代理行为，强化工具调用合规 |
| 状态不一致 | 记忆与实时环境冲突未妥善报告 | 建立"记忆时间戳+实时验证"的标准话术 |
安全等级定为 A（功能强大但需严格合规操作），来源可信度 T1（OpenClaw 官方核心组件）。