核心用法
Local Memory Search 是一款面向 OpenClaw 生态的轻量级本地搜索工具，专门用于检索 MEMORY.md 及 memory/*.md 中的记忆片段。用户可通过命令行直接执行自然语言查询，无需配置 API 密钥或安装额外依赖。
典型工作流程：
1. 构建索引：首次使用或记忆文件更新后，运行 python3 search.py --build 建立倒排索引
2. 执行搜索：使用 python3 search.py "查询语句" 进行语义匹配
3. 查看结果：返回按 TF-IDF 相关性排序的片段，附带文件路径与行号定位
显著优点
- 零外部依赖：仅依赖 Python 3.8+ 标准库，彻底规避供应链攻击风险
- 完全离线运行：数据不出本地，满足敏感场景隐私合规要求
- 轻量高效：TF-IDF 算法计算开销低，大文件检索依然流畅
- 精准定位：返回结果包含源文件路径与具体行号，便于快速跳转
- 极简部署：单文件脚本，无需虚拟环境或复杂配置
潜在缺点与局限性
- 语义理解有限：基于 TF-IDF 的词袋模型，无法理解复杂语境、同义词推理或长程依赖
- 无增量更新：每次
--build需全量重建索引，大记忆库时耗时明显 - 缺乏高级功能：无拼写纠错、模糊匹配、多语言处理或结果高亮
- 结果呈现原始：仅输出文本片段，无交互式界面或可视化排序权重
- 扩展性瓶颈：纯内存索引，超大规模文档集可能占用显著 RAM
适合人群
- 注重隐私、拒绝云端服务的 OpenClaw 用户
- 需要快速搭建记忆检索原型而不引入复杂依赖的开发者
- 在低资源环境（如离线工作站、边缘设备）运行的场景
- 对搜索质量要求不高、偏好简单可控工具的技术用户
常规风险
- 索引一致性：若记忆文件变更后未重建索引，可能返回过期或失效定位
- 查询注入：虽无网络攻击面，但需确保输入查询字符串不会意外触发 shell 解析问题
- 敏感信息泄露：搜索返回的片段可能包含记忆文件中的机密内容，需在安全终端环境查看
- 资源占用：极端大文件场景下，索引构建可能短暂占用大量 CPU 与内存