核心用法
Amber-Hunter 是 Huper 琥珀生态的本地记忆层，通过 REST API 为 ChatGPT、Claude、OpenClaw 等 AI 客户端提供持久化上下文能力。核心工作流：
1. 捕获（/ingest）：AI 识别值得记忆的信号（决策、偏好、洞察等），推送至本地队列，用户审核后入库
2. 召回（/recall）：混合语义+关键词搜索，检索相关历史记忆注入当前会话
3. 分类存储：8 大固定类目（想法/学习/决策/成长/关系/生活/创意/开发）+ 自动标签
4. 跨端同步：可选加密上传至 huper.org，实现多设备访问
本地优先架构：服务运行在 localhost:18998，主密码存储于 OS 密钥链，AES-256-GCM 端到端加密，记忆文件永不裸存。
显著优点
| 维度 | 亮点 |
|------|------|
| **隐私安全** | 本地运行 + E2E 加密 + 密钥链托管，数据主权完全归用户 |
| **平台无关** | 任何支持 HTTP 的 AI 客户端均可接入，Claude Code、ChatGPT、自研 agent 一视同仁 |
| **智能捕获** | 6 类信号自动识别（save_request/decision/preference/personal_fact/summary/insight），AI 主动建议入库 |
| **混合召回** | 0.4×关键词 + 0.6×语义的双路检索，支持类目前缀匹配、LLM 重排序、insight 缓存加速 |
| **审核机制** | review_required 队列设计，避免 AI 过度捕获，用户保留最终决策权 |
| **RAG 就绪** | `/recall` 返回结构化上下文，直接对接 RAG 流水线 |
潜在缺点与局限性
- 本地运维成本：需用户自行管理服务生命周期（systemd/LaunchAgent），Windows 平台部分功能（proactive capture、/freeze）尚未完成
- 召回质量依赖：语义模型（MiniMax/OpenAI/Claude/Local）配置不当或 embedding 质量差时，跨概念召回可能失效
- 审核负担：高频对话场景下队列可能堆积，用户需定期清理，否则影响体验
- 生态绑定：云端同步依赖 huper.org 基础设施，长期可用性待观察
- 无多用户设计：单设备单用户架构，家庭/团队场景需额外隔离方案
适合人群
- 深度 AI 用户：日活 Claude Code / OpenClaw，需要跨越数百轮会话维持项目上下文
- 知识工作者：研究者、创作者、开发者，希望沉淀「决策日志」「学习笔记」「人脉档案」
- 隐私敏感型用户：拒绝将完整对话历史上传至 OpenAI/Anthropic，坚持本地主权
- RAG 开发者：需要现成的个人知识库后端，快速搭建个性化 AI 应用
常规风险
| 风险类别 | 说明 | 缓解建议 |
|----------|------|----------|
| **主密码泄露** | OS 密钥链被攻破或用户泄露主密码，本地加密文件可被解密 | 启用系统级磁盘加密（FileVault/LUKS），定期备份加密胶囊 |
| **API Token 暴露** | localhost token 被其他本地进程窃取 | 限制 18998 端口仅本机可访问，避免截图分享 `/token` 输出 |
| **云同步中间人** | huper.org 被劫持或证书 pinning 失败 | 校验服务端证书指纹，敏感内容关闭 auto_sync |
| **AI 误捕获** | 信号检测假阳性，记录不应存档的内容 | 养成定期审阅 `/queue` 的习惯，利用 reject 反馈优化模型 |
| **版本兼容性** | 快速迭代（v1.2.x 月度更新）导致 API 变动 | 锁定 minor 版本，升级前阅读 Release Note |