核心用法
OpenClaw Memory Pensieve 是为 OpenClaw 智能体设计的本地优先持久记忆系统。其核心架构采用追加式 JSONL 分层存储，将记忆分为四层：自我模型（self_model.jsonl）、程序性知识（procedural.jsonl）、语义记忆（semantic.jsonl）和事件流（events.jsonl）。每层均为不可变追加写入，通过 ledger.jsonl 维护哈希链收据实现完整性校验。
系统提供完整的生命周期脚本：初始化分层（init_memory_layers.py）、安全追加（memory_append.py）和每日合并（consolidate_daily.py）。合并过程会自动检测并标记矛盾冲突，支持时间边界检索优化。
Algorand 区块链锚定是核心差异化能力：用户可通过 create_algorand_wallet.py 创建专用钱包，使用 rotate_note_key.py 轮换加密密钥，经 build_anchor_payload.py 构建负载后，通过 algorand_anchor_tx.py 将加密后的根哈希锚定至 Algorand 主网。交易备注采用 AES 加密，确保链上仅存密码学承诺而非明文记忆。检索时通过 fetch_anchor_note.py 获取链上数据，经 decrypt_note_payload.py 解密，最终用 verify_anchor_against_ledger.py 完成本地验证。
显著优点
1. 密码学完整性：哈希链结构使任何历史篡改均可被立即检测
2. 区块链不可篡改性：Algorand 锚定提供第三方时间证明，抗单点故障
3. 隐私优先设计：链上仅存储加密根哈希，敏感数据永不上链
4. 模块化工具链：12 个独立脚本覆盖完整生命周期，易于审计和定制
5. OpenClaw 原生集成：专为 OpenClaw 智能体设计，支持技能级别的创建/加载/共享
潜在局限
- Algorand 依赖外部节点：需信任 Algonode 等公共节点或自行部署基础设施
- 密钥管理复杂度：钱包助记词和加密密钥的本地存储存在泄露风险
- 无内置冲突消解：仅标记矛盾而不自动解决，需人工或上层逻辑介入
- 检索效率待验证：时间边界检索在大规模事件流下性能未明确
- 主网交易成本：频繁锚定将产生不可忽略的 ALGO 手续费
适合人群
- 需长期运行且要求记忆可审计的 OpenClaw 智能体开发者
- 对 AI 记忆完整性有合规要求的金融、医疗、法律领域应用
- 希望建立"可证明的历史"而非单纯日志记录的研究场景
- 具备基础密码学和区块链操作能力的技术用户
常规风险
| 风险类型 | 描述 | 缓解建议 |
|---------|------|---------|
| 密钥泄露 | `.secrets` 目录被未授权访问 | 使用系统密钥环或硬件安全模块 |
| 节点作恶 | 恶意 Algod/Indexer 返回虚假数据 | 多节点交叉验证或自建节点 |
| 加密失效 | 旧版加密算法被破解 | 遵循 `rotate_note_key.py` 定期轮换 |
| 链上永久曝光 | 误操作将明文写入交易备注 | 严格使用 `build_anchor_payload.py` 的加密流程 |
| 智能体锁定 | 记忆格式变更导致无法加载 | 版本化 schema 和迁移脚本 |