核心用法
letheClaw 是一套专为 AI Agent 设计的记忆管理系统，通过 REST API 实现记忆的存储、语义搜索、关键度管理及来源追溯。核心工作流分为检索与存储两条主线：
检索场景：当用户询问历史决策、过往工作或任何上下文记忆时，必须优先调用 GET /memory/search 端点进行语义搜索，返回结果已包含完整内容文本，无需二次查询。支持按关键度阈值（min_criticality）和标签预过滤优化结果质量。
存储场景：当用户要求记录信息或系统判定某观察值得留存时，调用 POST /memory 提交内容，需指派 0.3–0.9 的关键度评分、2–5 个精准标签（如类型+领域组合）及来源类型（operator_input/direct_observation/inferred）。
进阶管理：支持动态调整关键度、标记操作员修正（自动提升关键度并记录修正次数）、以及通过 GET /memory/{id}/provenance 追踪完整变更历史。
显著优点
- 语义检索优先：突破关键词匹配局限，支持自然语言查询意图理解
- 关键度分层机制：0.3–0.9 四级评分体系，使安全/配置类知识可强制高阈值过滤
- 来源可追溯：每条记忆标记采集来源，支持修正事件审计与置信度评估
- 协议强制性：明文规定「必须优先查询 API」「禁止先用 flat file 搜索」，从流程层面规避记忆陈旧风险
- 标签驱动的性能优化：预过滤标签后再语义搜索，兼顾准确率与响应速度
潜在缺点与局限性
- 基础设施依赖：需常驻 letheClaw 服务容器，本地测试需处理 Docker 网络环境变量（
host.docker.internal等） - 无内置冲突解决：相同主题的多条记忆可能返回冗余结果，需调用方自行去重或排序
- 关键度评分主观性：0.7/0.5 等阈值建议虽明确，但实际赋值仍依赖 Agent 或操作员判断
- 修正计数不透明：
correction_count累积逻辑未详述（是否去重同一操作员的多次修正？） - 缺乏记忆遗忘机制：未见自动衰减或基于访问频次的淘汰策略，长期运行可能导致数据膨胀
适合人群
- 开发需要跨会话持久化上下文的 AI Agent 的工程师
- 构建安全审计敏感场景（如 DevOps、安全运维）的智能体团队
- 希望替代简单 Markdown/JSON 文件记忆方案、迁移至结构化数据库后端的开发者
常规风险
- 单点故障风险：若
LETHECLAW_API_URL不可达且未设置环境变量，Agent 可能进入无记忆可用状态 - 关键度误配风险：安全配置若被误标为 0.3「瞬态」级别，可能被低阈值过滤遗漏
- 来源伪造风险：
inferred标签若滥用，可能导致未经核实信息以高置信度形态留存 - 修正滥用风险：频繁调用 correction 端点可能人为抬升记忆关键度，干扰真实重要性评估
- 网络暴露风险：API 默认监听 8080/51234 端口，生产环境需额外配置认证与 TLS，文档未涉及安全加固建议