核心用法
Enhanced Memory 是 OpenClaw 记忆系统的 drop-in 增强组件，用 4 信号融合检索管道替代原有的扁平向量搜索。核心工作流分为三步：
1. 索引构建：运行 embed_memories.py 对 memory/ 目录下所有 .md 文件按 markdown 标题分块，调用 Ollama 的 nomic-embed-text 生成向量，输出 memory/vectors.json；
2. 混合检索：search_memory.py 执行向量相似度（0.4）、关键词匹配（0.25）、标题匹配（0.1）、文件路径匹配（0.25）的加权融合；
3. 辅助功能：memory_salience.py 按重要性×陈旧度评分提示需回顾的记忆，crossref_memories.py 构建文件级知识图谱。
显著优点
- 检索质量飞跃：MRR 从基线 0.45 提升至 0.782，接近翻倍；
- 零 pip 依赖：纯 Python 标准库 + Ollama HTTP API，部署极简；
- 自适应智能：低关键词重叠时自动切换至 85% 向量权重，高分不足时触发伪相关反馈（PRF）扩展查询；
- 时间感知：识别 "yesterday"、"Feb 8" 等日期引用，对匹配文件给予 3 倍 boost；
- 可插拔替换：JSON 输出版本
enhanced_memory_search.py直接兼容 OpenClaw 原工具接口。
潜在局限
- 硬依赖 Ollama：必须本地运行 embedding 服务，无法云端部署或离线运行（除非预置模型）；
- 英文模型主导：
nomic-embed-text对中文语义捕捉弱于英文，虽可换mxbai-embed-large等，但需全量重建索引； - 无实时增量：文件变更需手动重跑
embed_memories.py，缺乏监听守护进程； - PRF 黑盒风险：自动扩展查询词可能引入漂移，高敏感场景建议关闭；
- 路径泄露隐患：文件路径作为 0.25 权重信号，若路径含敏感命名（如
password-vault.md）可能被检索排序放大。
适合人群
- 使用 OpenClaw/Claude Code 等 agent 框架、记忆库超千条 markdown 文件的开发者；
- 对检索召回率敏感、愿牺牲部分实时性换取精度的研究型/工程型用户；
- 具备本地 GPU/CPU 资源运行 Ollama，且接受命令行维护工作流的技术用户。
常规风险
| 风险类别 | 具体表现 | 缓解建议 |
|---------|---------|---------|
| 供应链 | Ollama 服务被投毒或模型文件篡改 | 校验模型 SHA256，限制 Ollama 监听 127.0.0.1 |
| 信息泄露 | 向量索引文件 `vectors.json` 含全文片段 | 加入 `.gitignore`，避免提交至仓库 |
| 权限提升 | 脚本以工作区根目录执行，可能误操作 | 在容器或受限用户下运行，限制 `memory/` 外写权限 |
| 可用性 | Ollama 未启动或端口冲突导致检索失败 | 启动前健康检查 `curl localhost:11434`，配置超时重试 |