Llm Memory V9

🧠 公私分离的本地记忆框架

通过环境变量链接本地私有配置的公开框架包,实现公私分离的安全架构,无网络访问、无敏感信息暴露

收藏
3.7k
安装
1.5k
版本
9.0.1
CLS 安全扫描中
预计需要 3 分钟...

使用说明

LLM Memory Integration 综合评估

核心用法

本技能是一个公开框架包,采用「公开框架 + 本地私有配置」的分离架构。安装后通过 CNB_PRIVATE_WORKSPACE 环境变量指向用户本地的私有配置目录,由 bootstrap-extra-files.py 钩子执行本地文件链接操作。

使用流程

1. 基础模式:直接安装,无需配置,纯框架功能
2. 高级模式:创建本地私有目录 → 设置环境变量 → 放置自定义规则文件(AGENTS.md、TOOLS.md、MEMORY.md 等)→ 安装技能自动链接

技术实现

  • 钩子仅执行本地文件操作(symlink/copy)
  • 严格限定访问范围为 CNB_PRIVATE_WORKSPACE 单一目录
  • 可选依赖 Python3 运行钩子脚本

显著优点

| 优势 | 说明 |
|------|------|
| **零网络风险** | 完全不执行网络操作,无远程拉取 |
| **隐私保护** | 密钥、私有地址等敏感信息仅存于用户本地 |
| **用户主权** | 私有配置完全由用户控制,可随时修改或删除 |
| **最小权限** | 仅访问用户显式指定的目录,无系统路径越界 |
| **开源透明** | MIT-0 许可,公开框架可审计 |
| **架构通用** | 支持 x64 与 ARM64 双架构 |

潜在局限

1. 配置门槛:高级使用需手动设置环境变量和目录结构,对非技术用户有一定门槛
2. 功能依赖:核心价值需配合私有配置才能完全发挥,纯框架模式功能有限

3. 生态依赖:需 clawhub 包管理器支持,非独立工具

4. 维护责任:私有配置的更新、备份、版本管理由用户自行负责

适合人群

  • ✅ 注重隐私安全的开发者(不希望敏感配置上云)
  • ✅ 团队协作场景(可共享公开框架,各自维护私有配置)
  • ✅ 企业合规环境(需满足数据不出本地要求)
  • ✅ 多设备同步用户(私有配置可用自有方案同步)

常规风险

| 风险类型 | 等级 | 说明 |
|----------|------|------|
| 网络泄露 | 极低 | 无网络访问能力 |
| 权限滥用 | 低 | 严格限定单目录,但需用户确保 `CNB_PRIVATE_WORKSPACE` 指向安全位置 |
| 配置误设 | 中 | 若环境变量指向敏感系统目录,可能导致意外文件被链接 |
| 供应链 | 低 | 公开框架 MIT-0 许可,但私有配置内容的安全性取决于用户 |

建议:始终将 CNB_PRIVATE_WORKSPACE 设置在用户目录下的独立子目录,避免指向 ~ 根目录或系统路径。

Llm Memory V9 内容

hooks文件夹
workspace_template文件夹
手动下载zip · 8.5 kB
bootstrap-extra-files.pytext/plain
请选择文件