核心用法
agent-memory-setup 是一项面向 OpenClaw 代理的基础设施技能，用于从零搭建完整的记忆管理体系。执行一次即可建立三级记忆架构、配置语义搜索（QMD）、启用无损上下文压缩（Lossless Claw），并生成代理自读指令（AGENTS.md）。
典型触发场景：
- "set up memory" / "install memory system" / "onboard new agent memory"
- 为新代理实例初始化记忆环境
- 迁移或重建代理工作空间
执行流程：
1. 运行 setup_memory.sh 创建目录结构与记忆文件
2. 复制并定制 AGENTS.md 模板
3. 修改 openclaw.json 启用 memorySearch、compaction、heartbeat 等核心功能
4. 重启网关并验证 QMD、Lossless Claw 插件状态
---
显著优点
- 三层记忆模型：HOT（会话级）、WARM（配置级）、COLD（归档级）清晰分离，读写策略与更新频率各得其所
- 语义搜索能力：QMD 支持基于意义的记忆检索，突破关键词匹配的局限
- 无损上下文压缩：Lossless Claw 将历史消息压缩为可展开摘要，根本解决上下文窗口溢出导致的"失忆"
- 自动化维护：心跳机制（heartbeat）与定期日志归档，降低人工运维成本
- 配置即代码：openclaw.json 集中管理，便于版本控制与多环境复刻
---
潜在缺点与局限性
- 生态绑定：专为 OpenClaw/Martian Engineering 技术栈设计，无法直接迁移至其他 AI 框架
- 本地依赖：QMD 需本地 Python 环境，
pip install可能因网络或权限失败 - 冷启动成本：首次配置涉及脚本执行、模板定制、JSON 编辑、服务重启等多步骤，对非技术用户门槛较高
- 存储膨胀风险：每日日志（YYYY-MM-DD.md）若未定期归档至 COLD，可能累积冗余
- 语义搜索精度未量化：报告中未提及 QMD 的召回率、延迟等性能指标
---
适合人群
- OpenClaw 代理开发者与运维工程师
- 需要长期记忆能力的对话式 AI 产品团队
- 对上下文窗口管理有严苛要求的复杂任务场景（如多轮分析、长期项目跟踪）
---
常规风险
| 风险项 | 说明 | 缓释建议 |
|--------|------|----------|
| 配置错误导致记忆失效 | openclaw.json 语法错误或路径配置不当，代理无法读取记忆 | 使用 JSON 校验工具，执行后运行验证命令 |
| 敏感数据残留 | HOT_MEMORY.md 含当前任务细节，若共享工作空间可能泄露 | 设置目录权限，定期清理或加密热层文件 |
| 插件版本冲突 | QMD 与 Lossless Claw 版本迭代可能与 OpenClaw 核心不兼容 | 锁定版本号，升级前查阅兼容性公告 |
| 无损压缩误解 | "Lossless"指信息可恢复，非指零延迟或零存储开销 | 监控压缩/展开耗时，评估对交互延迟的影响 |
---
> 注意：附带的"安全认证报告"仅为系统占位文本，未执行实际安全扫描。生产部署前建议补充依赖审计（如 pip audit）与配置文件敏感信息扫描。