核心功能与架构
NeverForget 1.0.3 是一套完整的主权本地向量记忆（Sovereign Local Vector Memory）解决方案，专为追求数据隐私与离线能力的AI Agent设计。其核心采用 node-llama-cpp 引擎驱动 Gemma-300M-Q8_0 量化嵌入模型，所有文本向量化与相似性搜索均在本地完成，彻底摆脱对外部API的依赖。
显著优势
| 维度 | 特性 |
|------|------|
| **隐私主权** | 全本地推理，敏感数据永不离开设备 |
| **成本归零** | 无Token消耗，适合高频索引场景 |
| **模型质量** | Gemma-300M在MTEB基准表现优异，8bit量化平衡精度与效率 |
| **智能防护** | 1.0.3核心升级：递归循环保护，自动排除自身数据库路径避免自噬 |
| **幂等部署** | 安装脚本具备状态检测，重复执行安全无冗余 |
技术实现要点
系统通过四层架构实现稳健运行：
1. 引擎层：node-llama-cpp 提供跨平台LLM推理能力
2. 模型层：Hugging Face直连下载Gemma-300M GGUF格式权重
3. 配置层：openclaw CLI统一管理provider、模型路径与排除规则
4. 监控层：HEARTBEAT.md注入式健康检查，含磁盘状态监测
关键安全配置（自动写入）：
# 阻断递归索引死循环 openclaw config set agents.defaults.memorySearch.exclude '["**/.openclaw/memory/**", "**/node_modules/**"]'
局限性与风险
| 风险类型 | 具体表现 | 缓解措施 |
|---------|---------|---------|
| **硬件门槛** | Gemma-300M需~600MB显存/内存，低配设备推理延迟显著 | 推荐WSL2+CUDA或Apple Silicon环境 |
| **首次冷启动** | 模型下载与全量索引耗时较长 | 利用幂等脚本分阶段执行，支持断点续传 |
| **模型单一性** | 仅支持Gemma-300M，多语言/代码场景表现弱于商用API | 未来版本或支持模型热切换 |
| **沙箱逃逸** | broad `~/` 权限理论上可触及敏感文件 | 通过`package.json`精细化`filesystem`白名单 |
适用人群
- 隐私优先用户：法律、医疗、金融等敏感领域从业者
- 离线场景开发者：断网环境、边缘计算、气隙网络部署
- 高频索引需求：RAG系统需持续更新大量文档的知识库构建者
- 成本敏感团队：希望消除OpenAI/Cohere等API持续支出的组织
部署建议
建议在WSL2 Ubuntu或macOS 14+环境运行，确保Node.js 18+与充足磁盘空间（模型+索引约需2-3GB）。首次执行后通过 openclaw memory status --json 验证分块数量，正常索引后应保持非零值。
> ⚠️ 注意：本技能修改全局OpenClaw配置，多Agent环境需评估配置冲突风险。