核心用法
Memphis Cognitive Engine 是一套为 AI 代理设计的认知记忆系统，通过三种互补模型构建完整的决策记忆链：
Model A（手动记录）：92ms 超低延迟捕获显式决策，支持完整元数据（原因、标签、作用域）或极简快速记录
Model B（自动推断）：从 Git 提交历史中自动识别技术决策，置信度 50-83%
Model C（预测建议）：基于 50+ 历史决策学习模式，提供 78% 准确率的主动建议
完整功能矩阵
| 层级 | 功能 | 典型场景 |
|------|------|---------|
| 基础 | 决策记录、语义搜索、问答回顾 | 个人知识管理 |
| 进阶 | TUI 仪表板、知识图谱可视化 | 项目复杂度监控 |
| 高级 | 反思引擎、交易协议、多代理同步 | 团队协作、跨设备工作流 |
知识图谱：50 节点/1778 边构建仅需 36ms，支持深度过滤与统计
反思引擎：自动识别模式、追踪好奇心、发现重复概念（179 条目处理 46ms）
交易协议：基于 DID 的加密知识交换，支持 TTL 与使用权限
多代理同步：18 区块 0.81 秒完成跨实例同步
显著优点
- 生产级稳定性：17/17 命令 100% 可用，零严重缺陷声明
- 本地优先架构：数据驻留本地，无需云端，零遥测
- 性能优异：所有操作均低于 100ms 或目标阈值
- 开放生态：MIT 协议，完整开源，支持 Ollama 本地嵌入
- 渐进式采用：从个人决策记录扩展到多代理网络
潜在局限
- 元包依赖：本 Skill 仅为文档包装，必须单独安装 Memphis CLI（Node.js 18+）
- 学习曲线：Model C 预测功能需要 50+ 决策积累才生效
- 嵌入依赖：可选 Ollama 后端虽保障隐私，但增加部署复杂度
- 生态锁定：深度集成 OpenClaw/ClawHub 代理框架
适合人群
- 开发者/架构师：追踪技术选型决策，构建个人知识库
- 研究团队：多代理协作场景下的知识同步与交换
- 效率工具极客：偏好本地优先、隐私可控的认知增强工具
- 创业者/产品经理：模式识别与决策质量复盘
常规风险
| 风险类型 | 说明 | 缓解措施 |
|---------|------|---------|
| 数据丢失 | 本地存储无自动备份 | 定期 `share-sync` 多设备同步 |
| 预测偏差 | 78% 准确率意味着 22% 误建议 | 人工审核 Model C 输出 |
| 同步安全 | 多代理传输需 SSH/DID 配置 | 启用端到端加密，验证签名 |
| 供应商依赖 | 深度绑定 ClawHub 生态 | 核心数据格式开放，可迁移 |