核心用法
letheClaw 是一套专为AI Agent设计的结构化记忆管理API，通过HTTP端点实现记忆的存储、检索、关键度调整和来源追溯。核心操作包括：
1. 记忆检索 — 使用语义搜索 GET /memory/search?q=<query>，支持按关键度过滤，替代传统的平面文件检索
2. 记忆存储 — POST /memory 写入内容，需标注来源（operator_input/direct_observation/inferred）、2-5个精准标签及0.3-0.9的关键度评分
3. 关键度管理 — 通过 POST /memory/{id}/criticality 动态调整重要性，或使用 /correction 标记用户修正以提升可信度
4. 来源追溯 — GET /memory/{id}/provenance 获取完整审计链，包括关键度变更历史和修正次数
显著优点
- 权威性优先：协议强制要求优先查询letheClaw而非平面文件，避免陈旧数据
- 语义理解：支持自然语言查询而非关键词匹配，检索更精准
- 可审计设计：每份记忆携带来源标签和完整事件日志，满足合规需求
- 动态重要性：关键度评分机制允许记忆价值随时间演化
- 容器化部署：提供Docker Compose配置，适配Windows/Mac本地调试场景
潜在缺点与局限
- 网络依赖：所有操作依赖API可用性，离线场景失效
- 部署复杂度：需维护独立服务容器，本地开发涉及端口映射（51234/8080）
- 评分主观性：关键度0.3-0.9的赋值缺乏客观标准，依赖操作者判断
- 无冲突解决机制：相同主题的重复记忆可能累积而不自动合并
- 调试盲区：5xx错误仅建议"检查服务状态"，缺乏详细的诊断端点
适合人群
- 构建长期对话Agent的开发者
- 需要审计追踪的企业级AI应用
- 多会话场景下需保持上下文连续性的产品
- 对数据来源可信度有严格要求的合规场景
常规风险
- 服务可用性风险：API宕机将导致记忆功能完全失效，需设计降级策略
- 数据漂移风险：未设置
min_criticality过滤可能返回低价值噪声记忆 - 修正滥用风险：频繁的operator_correction标记可能掩盖真实的数据质量问题
- 环境配置风险：LETHECLAW_API_URL未设置时的自动探测逻辑可能在Linux原生Docker环境失效