核心用法
MindGardener 是为 OpenClaw 代理框架设计的本地优先型长期记忆基础设施。其核心工作流分为三个阶段：提取（extract）阶段自动从对话中抽取实体并生成维基式知识页面；评分（surprise）阶段依据信息意外程度为事件打分，识别真正值得记忆的内容；整合（consolidate）阶段处理知识冲突并执行时间衰减，确保旧信息自然淡出除非被强化。用户可通过 garden inject 命令在会话启动时自动注入符合token预算的上下文。
显著优点
1. 真正的本地优先：全部数据以Markdown文件和JSONL格式存储，无外部API依赖，支持完全离线运行
2. 知识图谱架构：采用三元组+维基链接的图结构，支持关联召回而非简单文本匹配
3. 智能优先级：惊喜评分机制自动识别突破性信息，避免记忆膨胀
4. 多代理就绪：内置文件锁机制与同步功能，支持多代理共享记忆池
5. 零配置启动：单条pip命令即可部署，与OpenClaw的memory_search形成互补
潜在缺点与局限
- 无内置向量检索：依赖图遍历而非语义搜索，模糊匹配能力弱于向量数据库
- Python 3.10+硬性要求：旧环境需升级
- 文件IO性能瓶颈：大量记忆时可能受限于磁盘读写
- 冲突解决策略较简单：目前仅标记冲突，自动裁决逻辑有限
适合人群
- 运行OpenClaw或类似自主代理框架的技术用户
- 重视数据主权、拒绝云存储的隐私敏感场景
- 需要多代理协作记忆的企业自动化工作流
- 研究长期记忆机制的研究者与开发者
常规风险
- 文件损坏风险：虽有多代理锁，但异常断电仍可能导致graph.jsonl损坏
- 记忆污染：自动提取可能产生错误实体，需定期人工审计
- 隐私泄露：本地文件若无加密，多用户系统存在权限风险
- 升级兼容性：YAML配置格式变更可能导致版本迁移问题
---
172项测试通过，GitHub开源，PyPI可直接安装