核心用法
Amber-Hunter 是 Huper琥珀生态的记忆捕获与召回层，作为本地服务运行（localhost:18998），为 ChatGPT、Claude、Claude Code 等 AI 客户端提供持久化记忆能力。
记忆捕获：AI 通过 /ingest 主动推送值得保留的内容，支持 6 种自动检测信号（save_request、decision、preference、personal_fact、summary、insight）。高置信度（≥0.95）内容直接入库，其他进入审核队列，用户审批后生效。
记忆召回：/recall?q=<query> 提供混合语义+关键词检索（权重 0.6:0.4），支持分类过滤、rerank、insight 摘要缓存。返回结构化的上下文供 RAG 管道使用。
数据安全：AES-256-GCM 端到端加密，主密码存储于系统钥匙串（macOS security、Linux secret-tool、Windows cmdkey），明文永不外传。可选加密同步至 huper.org 云端实现跨设备访问。
分类体系：8 大固定分类（thought/learning/decision/reflection/people/life/creative/dev）+ 自动关键词标签，构建可检索的"第二大脑"。
显著优点
- 跨平台统一记忆：打破 ChatGPT、Claude、Claude Code 等客户端的会话隔离，同一用户画像在所有 AI 工具间共享
- 隐私优先架构：本地优先运行，加密后才可选上传，符合对数据敏感的用户需求
- 智能捕获策略： proactive hook 自动识别值得记忆的信号，减少用户手动操作负担
- 语义检索能力：LanceDB 向量存储 + 语义搜索，支持模糊匹配和自然语言查询
- 审核机制：review queue 设计避免垃圾记忆污染知识库，接受/拒绝历史可优化未来判断
- 多 LLM 支持：MiniMax（默认）、OpenAI、Claude、本地 Ollama/LM Studio 可切换
潜在缺点与局限性
- VPS 部署复杂：当服务运行在远程服务器而非本地时，API Key 需手动配置，Dashboard 的自动绑定功能失效
- Windows 功能受限：proactive capture 和
/freeze会话捕获在 Windows 端尚未实现（v1.2.x） - 同步单点故障：单 API Key 仅允许单实例使用，多设备轮换需手动管理密钥
- 早期版本 UI bug：Dashboard 偶尔显示"尚未生成API Key"即使已生成，需刷新或升级版本
- 学习成本：用户需理解 8 大分类体系和何时该捕获记忆的判断规则
适合人群
- 重度 AI 工具使用者，希望在不同客户端间保持连续对话体验
- 开发者/知识工作者，需要积累可检索的个人知识库（学习笔记、技术决策、项目复盘）
- 对隐私有要求，不愿将敏感个人数据完全托管给云服务商的用户
- 使用 Claude Code、OpenClaw 等本地 AI 客户端的开发者
常规风险
- 密钥管理风险：主密码丢失将导致所有加密记忆无法恢复，需依赖用户妥善备份
- 本地服务可用性：依赖本地服务持续运行，进程崩溃或端口冲突会导致 AI 客户端记忆功能失效
- 审核队列堆积：若用户长期不清理 review queue，可能积累大量待处理记忆
- 版本兼容性：API 和行为在快速迭代（v1.2.x 密集更新），旧版本可能与新客户端不兼容
- 云同步依赖：跨设备功能依赖 huper.org 服务可用性，虽数据已加密但仍存在服务中断风险