核心用法
MEMORIA 通过规范化的本地 Markdown 文件（~/.memoria/memory.md）为 OpenClaw Agent 建立结构化知识层。每次会话启动时自动读取记忆文件，构建用户画像、当前项目、技术栈、活跃目标、决策日志、经验教训等多维度上下文。支持自然语言指令（如"Remember that...""I decided to X"）触发记忆更新，并采用追加而非覆盖的增量写入策略，配合自动备份机制保障数据安全。
显著优点
隐私优先架构：完全本地化存储，零云端传输、零 API 密钥依赖，文件权限严格限制（chmod 600/700），天然符合敏感工作场景。
人机协作友好：Markdown 格式保证人类可读、Git 友好，用户始终保有数据主权，可随时审计、编辑或迁移。
智能增强能力：内置模式检测（重复问题识别）、决策一致性校验（避免自相矛盾建议）、主动上下文关联（跨项目洞察串联）及周度合成简报功能。
多项目支持：专为独立开发者/创始人设计，支持项目索引与上下文切换，适配复杂工作流。
潜在局限
单点故障风险：虽提供 .bak 备份，但无自动化多副本同步，本地磁盘损坏可能导致记忆丢失，需用户手动配置 cron 或外部备份。
无加密机制：文件内容以明文存储，若设备本身被入侵，记忆内容可直接读取，不适合存储真正敏感的商业机密。
协作场景受限：设计为单用户单机使用，无原生多设备同步或多用户共享机制，团队场景需额外搭建同步方案。
Agent 依赖性强：记忆价值与 Agent 的读取/更新协议执行质量绑定，若 Agent 未严格遵循"先读后写"流程，可能出现上下文断层。
适合人群
- 长期与同一 AI Agent 协作的独立开发者、技术创始人
- 对数据隐私敏感、拒绝云服务渗透的本地优先主义者
- 需要跨会话维持复杂项目上下文的深度用户
- 希望建立个人知识管理系统与 AI 工作流联动的效率追求者
常规风险
误操作覆盖：尽管协议禁止，但 Agent 或用户直接编辑仍可能破坏文件结构，建议定期手动快照至 archive/ 目录。
隐私泄露惯性：用户可能因"方便"而逐渐存入越来越多敏感信息，需警惕明文存储的固有风险，严格遵循"绝不存密码/API 密钥"的红线。
记忆膨胀：长期积累后文件体积增大，可能影响读取性能，建议定期归档已完成项目至独立文件。
协议漂移：不同 Agent 版本对 memory.md 解析可能存在细微差异，需关注版本兼容性。