核心用法
Memento 是专为 OpenClaw Agent 设计的本地记忆增强插件，通过四层架构实现 Agent 的长期记忆能力：
1. 捕获层（Capture）：监听 message:received 和 message:sent 事件，按会话缓冲多轮对话内容。
2. 提取层（Extraction）：利用配置 LLM（默认 Claude Sonnet）异步提取结构化事实，包括用户偏好、决策记录、人物信息、待办事项等，支持去重和出现频次追踪。
3. 存储层（Storage）：采用 SQLite（better-sqlite3）本地数据库，集成 FTS5 全文检索，可选 BGE-M3 嵌入模型实现语义搜索，所有数据严格本地留存。
4. 召回层（Recall）：在每次 AI 交互前通过 before_prompt_build 钩子注入相关知识，采用多因子评分机制（新鲜度 × 频次 × 类别权重），支持跨 Agent 知识共享。
显著优点
- 隐私优先设计：数据完全本地存储，无需云订阅，无数据外传；内置三级隐私分级（
shared/private/secret），敏感类别（医疗、金融、凭证）强制硬编码保护 - 开箱即用：零配置自动捕获，安装插件重启网关即可工作
- 智能知识管理：自动事实提取 + 语义召回，减少用户重复输入
- 跨 Agent 协同：共享事实带来源标签流转，私有/秘密事实严格隔离
- 灵活可扩展：支持自定义提取模型、语义搜索可选集成、GPU 加速回退 CPU
潜在局限
- 外部依赖：事实提取依赖 Anthropic API，需配置 API Key，存在服务商依赖和调用成本
- 本地资源占用：语义搜索需下载 BGE-M3 模型（约数 GB），对存储和内存有要求
- 版本门槛：要求 OpenClaw 2026.2.20+，限制向下兼容
- 隐私分级依赖内容识别：自动分类可能误判敏感信息，需用户主动复核
适合人群
- 高频使用 OpenClaw Agent 且希望减少重复上下文的效率用户
- 对数据隐私敏感、拒绝云存储的企业/个人开发者
- 需要多 Agent 协作场景下保持知识一致性的团队
常规风险
| 风险类别 | 说明 | 缓解措施 |
|---------|------|---------|
| API 密钥泄露 | Anthropic Key 存储于本地配置 | 遵循最小权限原则，定期轮换 |
| 本地数据泄露 | SQLite 文件物理安全依赖系统权限 | 启用磁盘加密，限制目录访问权限 |
| 模型误判隐私等级 | LLM 自动分类可能漏判敏感内容 | 定期审计 `secret` 分类结果，使用硬覆盖规则 |
| 依赖服务可用性 | Anthropic API 故障影响事实提取 | 配置降级策略，启用本地缓存模式 |