核心用法
memU-lite 是一个受 memU 启发的轻量级结构化记忆系统，专为 OpenClaw 生态设计，最大特点是零外部依赖。它通过纯 Markdown 文件 + 原生工具实现三层架构：顶层 MEMORY.md 作为索引概览，中间层 items/{category}/ 存放原子化记忆单元，底层 raw/ 保留原始记录。
系统预设五类记忆：preferences（用户偏好）、knowledge（领域知识）、relationships（人际关系）、tasks（待办任务）、skills（技能方法），采用 <类型字母>-<日期>-<序号> 的 ID 规则（如 P-20260302-001）。每条记忆包含类型、来源、日期、置信度、标签、内容、关联等元数据字段，支持通过 [[ID]] 语法建立记忆链接。
显著优点
1. 零部署成本：无需 Postgres、向量数据库或外部 API，纯文件系统实现
2. OpenClaw 原生集成：直接使用 memory_search 和 memory_get 工具检索
3. 可迁移性强：目录结构与完整版 memU 兼容，未来可平滑升级
4. 版本控制友好：Markdown 文件天然适合 Git 追踪和 diff 查看
5. 人机双可读：人类可直接阅读/编辑，AI 可程序化操作
潜在局限
1. 无自动提取：依赖 AI 主动识别并记录关键信息，而非后台持续监控
2. 检索能力受限：无原生向量索引，语义搜索依赖 OpenClaw 的 memory_search 实现质量
3. Token 优化弱：相比完整版 memU 的 70%+ 压缩率，lite 版本无主动压缩机制
4. 并发写入风险：多 Agent 同时操作同一文件可能产生冲突
5. 规模瓶颈：文件数量激增后，纯文本检索性能会下降
适合人群
- 需要快速验证记忆功能的 Agent 开发者
- 资源受限环境（无数据库权限的受限部署）
- 偏好可解释性的场景（需要人类审计 AI 记忆内容）
- 计划未来迁移至完整 memU 的过渡用户
常规风险
- 数据一致性：AI 可能漏记、错记或重复记录，需定期人工校验
- 隐私泄露：纯文本存储无加密，敏感信息需脱敏处理
- 路径依赖：硬编码的
~/.openclaw/workspace/memory/路径可能与环境冲突 - 备份缺失：虽有
backup.sh示例，但实际依赖用户主动执行