核心用法
Unified Memory 是一套面向 AI Agent 的企业级记忆管理系统，基于 MCP（Model Context Protocol）标准构建，提供 79+ 个工具接口。核心架构采用分层记忆管线（L0→L1→L2→L3）：L0 录制原始对话，L1 提取结构化记忆，L2 归纳场景块，L3 生成用户画像。支持双后端向量存储（LanceDB/SQLite）和 JSON/SQLite 双存储模式，通过 VECTOR_STORE_TYPE 和 STORAGE_MODE 环境变量无缝切换。
存储操作以 memory_store / memory_search / memory_recall 为核心，配合 memory_extract 自动提取实体关系，memory_reflection 生成洞察，memory_compress_tier 实现 70% Token 节省。v4.4 新增动态画像（Dynamic Profile）、矛盾解决（Contradiction Resolution）、临时过期清理（Temporal Expiry）等 Supermemory 对标功能，以及可配置实体类型系统和插件化架构。
显著优点
1. 企业级数据安全：v5.2.0 引入原子事务管理器（两阶段提交 + fsync），实现 100% 数据一致性保证，零数据丢失。
2. 混合搜索性能：BM25 + Ollama 向量 RRF 融合，查询性能提升 5-10 倍；支持中文 jieba 分词和 FTS5 全文搜索。
3. Token 效率优化：分层压缩器（L0/L1/L2）借鉴 OpenViking 设计，Token 节省达 83%；生命周期管理器自动归档清理，零维护成本。
4. 多租户隔离：v4.0 团队空间支持严格范围隔离（USER/TEAM/AGENT/GLOBAL），O(1) 内存 Map 索引，适合 SaaS 场景。
5. 生态兼容：同时支持 Hook 集成（before_prompt_build 自动召回）和 MCP 纯工具调用，适配 OpenClaw、Cline 等多种 Agent 框架。
潜在缺点与局限性
- 本地依赖较重：需本地运行 Ollama 提供 Embedding 和 LLM 服务，或配置外部 API，对云端无服务器部署不友好。
- SQLite 并发瓶颈：虽然 v4.0 引入 WAL 模式，但高写入并发场景（>100 TPS）仍可能成为瓶颈，需配合团队空间分片。
- 学习曲线陡峭：79 个工具功能重叠度高（如
memory_searchvsmemory_v4_hybrid_search），文档分散在多个版本章节，新用户易混淆。 - 插件系统尚新：v4.4 插件架构刚引入，生态插件数量有限，自定义插件开发需熟悉 Hook 接口。
适合人群
- 多轮对话 AI 应用开发者：需要长期记忆保持上下文连贯性的客服、陪伴、教育 Agent。
- 企业知识管理团队：需要团队级记忆隔离、证据链追踪（Evidence TTL）、版本控制的协作场景。
- RAG 系统构建者：需要记忆 + 文档混合搜索（Hybrid Search）的统一检索层。
- 效率工具极客：追求 Token 最优利用、自动记忆压缩和生命周期管理的深度用户。
常规风险
| 风险类型 | 说明 | 缓解措施 |
|---------|------|---------|
| 数据隐私 | 记忆默认存储于本地 `~/.openclaw/workspace/`，但团队空间可能存在跨用户泄露风险 | 启用 `memory_v4_team_search` 严格隔离模式 |
| 模型依赖 | Embedding 模型（nomic-embed-text）和 LLM（qwen2.5:7b）需本地运行，占用 GPU/内存 | 配置 `OLLAMA_HOST` 指向远程服务 |
| 原子性失效 | 极端情况下（进程崩溃）两阶段提交可能遗留临时文件 | 定期运行 `memory_v4_wal_truncate` 清理 |
| 召回幻觉 | 向量搜索可能返回语义相关但事实错误的记忆 | 开启 `memory_qa` 工具进行事实校验 |
版本建议：新用户直接使用 v4.0 工具集（memory_v4_*），v3 工具虽兼容但处于维护模式。生产环境务必升级至 v5.2.0+ 以获得原子写入修复。