核心用法
Memphis Cognitive Engine 是一个面向开发者与知识工作者的本地优先型AI记忆系统，通过 OpenClaw 代理扩展实现个人认知增强。其核心架构包含三层认知模型：
- Model A（手动记录）：通过
memphis decide命令以平均92毫秒的超低延迟捕获意识决策，支持标签、作用域等元数据 - Model B（自动推断）：解析 Git 提交历史自动识别技术决策，置信度50-83%
- Model C（预测模式）：基于50条以上历史决策训练个人模式，实现78%准确率的主动建议
高级功能涵盖交互式TUI仪表板、知识图谱可视化（50节点/1778边仅需36ms）、反射引擎自动生成日/周/深度洞察、基于DID的跨代理知识交易协议，以及SSH同步的多代理架构。
显著优点
1. 极致性能：全链路优化，决策捕获<100ms、图谱构建36ms、日度反射46ms，全面超越目标值
2. 隐私优先：本地存储、无遥测、MIT开源、端到端加密同步，数据主权完全归属用户
3. 生产成熟：17/17命令100%可用，零严重漏洞，支持Linux/macOS/Windows二进制分发
4. 生态整合：原生支持Ollama嵌入模型，与Git工作流深度耦合，多代理网络已验证运行
潜在局限
- 冷启动依赖：预测模型需积累50+决策方可训练，初期体验以手动记录为主
- 技术门槛：需Node.js环境及可选Ollama服务，对非技术用户存在配置负担
- Meta-Package设计：技能本身仅为文档封装，必须额外安装独立CLI工具链
- 生态锁定：深度绑定OpenClaw/ClawHub生态，迁移成本较高
适合人群
- 追求决策可追溯性的软件工程师与技术负责人
- 需要跨项目知识管理的独立开发者与创业者
- 注重数据隐私、拒绝SaaS化的本地优先主义者
- 研究个人知识图谱与AI增强认知的前沿探索者
常规风险
- 数据持久化：虽本地优先，但用户需自行负责备份策略，无内置云灾备
- 模型幻觉：自动推断与预测结果存在置信度边界，关键决策仍需人工复核
- 供应链安全：curl安装的shell脚本需审查来源完整性，npm依赖树存在潜在漏洞风险
- 多代理同步：SSH网络配置不当可能导致数据暴露或同步失败