核心用法
SQ Memory 是一款专为 OpenClaw 智能体生态设计的持久化记忆技能，解决智能体重启后"失忆"的核心痛点。它通过 11D 坐标系统（namespace.category.subcategory/item/depth）为智能体提供结构化的文本存储能力，支持跨会话记忆用户偏好、对话历史，甚至实现多智能体间的记忆共享。
主要功能模块：
remember(key, value)：存储键值对，支持层级坐标如user/preferences/themerecall(key)：精确检索存储内容forget(key)：删除指定记忆list_memories(prefix)：前缀匹配列出相关记忆
部署方式灵活：既可本地自托管（Rust 构建，5 分钟搭建），也可使用 mirrorborn.us 托管服务。配置通过 YAML 文件管理 endpoint、认证凭据和 namespace 隔离。
显著优点
1. 架构创新：11D 坐标系统超越传统键值存储，天然支持层级组织和智能体级别的命名空间隔离
2. 确定性检索：与向量数据库不同，SQ 提供精确坐标读取，消除语义搜索的不确定性
3. 开源无锁定：MIT 协议允许自由修改、分发和商业使用，代码完全透明
4. 多智能体协同：通过共享坐标实现真正的多智能体工作流，如任务委派和状态同步
5. 轻量高效：单文件存储设计，从 KB 到 TB 弹性扩展，无 Schema 开销
潜在局限
1. 非向量检索：不支持语义相似度搜索，仅适用于需要精确记忆的场景
2. 文本限制：单坐标最大 1MB，不适合存储大型二进制对象
3. 生态依赖：专为 OpenClaw 设计，其他框架需适配
4. 自托管门槛：免费版需要 Rust 环境和技术能力，托管版 $50/月定价较高
5. 数据持久性风险：自托管版本依赖用户自身的备份策略
适合人群
- OpenClaw 深度用户：需要长期记忆能力的智能体开发者
- 多智能体系统架构师：构建协作式 AI 工作流的团队
- 隐私敏感场景：偏好本地部署、数据自主可控的企业用户
- 确定性 AI 应用：金融、医疗等对精确检索有严格要求的领域
常规风险
- 认证泄露：API 密钥硬编码在 YAML 配置中，需妥善保管
- namespace 冲突：配置错误可能导致记忆隔离失效或数据意外共享
- 速率限制：免费 tier 仅 1000 次/天，生产环境易触发限流
- 服务可用性：托管服务依赖 mirrorborn.us 的商业连续性
- 坐标注入：虽文档未明确说明，但动态构造坐标时需防范路径遍历类攻击