核心用法
paradoxfuzzle/custom-mysql 是一个专为 OpenClaw 框架设计的安全强化型 MySQL 记忆存储技能。其核心定位在于替代或扩展传统向量数据库方案，通过结构化关系表实现用户画像的长期沉淀与动态检索。用户通过 CLI 接口执行三类操作：纯只读查询（query）、需交互确认的 DML 脚本执行（exec），以及高频场景化的快捷指令（insert_* 系列）。所有写入操作强制绑定 28 张白名单表，涵盖交互记录、人际关系、技能调用、情绪状态、主动提醒、思维流、社区分析等维度。
v2.0.0 引入 mem0 风格的记忆分层架构：语义记忆（Semantic）、情景记忆（Episodic）、程序性记忆（Procedural）统一存入 user_context，情绪记忆（Emotional）独立为 user_mood 表并支持强度与触发话题追踪，突触记忆（Synaptic）通过优先级与衰减率实现自动降权。系统内置时间衰减、情绪评分、参与度模式识别与社区级情感聚合，支持从单用户微观画像到群体宏观趋势的跨尺度分析。
显著优点
1. 纵深防御的安全架构：DDL 完全禁用、注释注入阻断、十六进制编码拦截、路径遍历过滤、单语句执行限制、交互式 DML 确认六层防护叠加，配合最小权限 MySQL 账户与 700 权限脚本，形成端到端的数据操作沙箱。
2. 结构化记忆的工程优势：相比纯向量检索，关系型 Schema 支持精确的时间范围过滤、外键级联删除、多表 JOIN 关联查询，便于实现复杂业务逻辑（如“近 30 天内与用户 A 互动且情绪评分低于 -0.5 的场景”）。
3. 开箱即用的生命周期管理：28 张表均配备推荐保留周期与 expires_at / decay_rate 机制，避免数据膨胀；rollback_user.sql 实现一键全量脱敏删除，满足 GDPR/个人信息保护合规要求。
4. 情绪与行为计算原生支持：内置 sentiment_score（-1~1）、mood_impact、engagement patterns 计算字段，降低 Agent 实现个性化共情与主动提醒的门槛。
潜在缺点与局限性
1. 运维复杂度高于托管方案：需自建 MySQL 实例、维护 Schema 版本、配置 .env 凭据与文件权限，对无 DBA 背景的用户存在学习曲线。
2. 水平扩展瓶颈：单机 MySQL 架构在千万级用户画像场景下可能遭遇性能瓶颈，缺乏原生分片或读写分离机制，需用户自行引入 ProxySQL 或 TiDB 等改造。
3. 查询灵活性受限：query 命令强制 SELECT-only，复杂分析需拼接 CLI 字符串，不如直接 SQL 客户端便捷；快捷指令的参数校验虽防注入，但也限制了动态 Schema 扩展。
4. 社区分析功能透明度不足：community_sentiment 与 trending_topics 的聚合算法（如时间窗口、权重衰减公式）未在文档中披露，黑箱化可能引发可解释性争议。
适合人群
- OpenClaw 生态开发者：需要将用户记忆持久化到私有化部署环境，拒绝 SaaS 向量数据库的敏感数据出境场景。
- AI Agent 产品经理：追求“记忆即功能”，希望基于结构化数据实现情绪感知、长期关系维护、个性化推荐的原生支持。
- 合规敏感型企业：金融、医疗、政务领域需满足数据本地化、审计追踪、可彻底删除的严格监管要求。
常规风险
- 凭据泄露风险：
.env文件若权限配置不当（非 600）或被误提交至版本控制，将导致数据库完全暴露；建议配套 vault 或 secret manager。 - 交互确认绕过隐患：虽然 DML 强制交互确认，但若用户脚本被社会工程学诱导执行，仍存在数据篡改可能；建议生产环境启用操作审计日志。
- Schema 迁移风险：v2.0.0 新增记忆字段与表结构，跨版本升级需执行
setup_wizard.sh，遗漏步骤将导致快捷指令失效或数据不一致。 - 情绪数据误读：
sentiment_score与mood_impact为启发式算法，非临床心理学量表，直接用于心理健康干预存在伦理风险。