核心用法
Memphis Cognitive Engine 是一款面向开发者和知识工作者的本地优先认知引擎，通过三层模型构建个人决策记忆链：
Model A（手动记录）：通过 /memphis decide 或简写 /md 在92ms内快速捕获关键决策，支持完整的元数据标注（理由、标签、范围）。
Model B（自动推断）：扫描Git提交历史，从代码变更中识别技术决策，准确率50-83%，支持交互式审核确认。
Model C（预测引擎）：基于50+历史决策进行模式学习，实现78%准确率的上下文感知预测，支持主动建议推送。
关键命令：
- 记录：
/memphis decide "标题" "选择" -r "理由" - 推断：
/memphis infer --since 30 - 预测学习：
/memphis predict --learn --since 90 - 获取预测：
/memphis predict - 语义搜索：
/memphis recall <关键词>
显著优点
1. 超低摩擦设计：92ms决策捕获，支持极简语法 /md
2. 三层认知闭环：记录→检测→预测，形成完整认知增强循环
3. 本地优先架构：数据完全本地存储，支持Ollama嵌入，零云端依赖
4. 决策生命周期管理：支持修订(revise)、反驳(contradict)、强化(reinforce)决策
5. 语义记忆检索：基于向量的相似决策搜索
6. 性能优异：模式学习1049ms，预测生成660ms，均大幅优于目标
7. 开源生态：MIT协议，完整文档140KB+，27个真实场景示例
潜在局限
1. 冷启动问题：Model C需50+决策才能启动预测，新用户需积累期
2. Git推断精度：50-83%的置信度意味着仍需人工审核，非全自动
3. 预测准确率上限：78%基准意味着约1/4预测需人工判断
4. 生态系统绑定：需OpenClaw/ClawHub环境运行，非独立工具
5. 语言偏向：默认波兰语交互，国际化支持未明确
6. 移动端缺失：仅CLI/TUI界面，无原生移动支持
适合人群
- 技术决策者：频繁做架构选型、技术栈决策的开发者、Tech Lead
- 创业 founder：需追踪产品策略、商业模式演进的创业者
- 研究团队：需建立集体技术记忆的研发团队
- 终身学习者：希望建立个人知识决策图谱的知识工作者
- 隐私敏感用户：拒绝SaaS笔记工具、要求数据主权的用户
常规风险
| 风险类型 | 等级 | 说明 |
|---------|------|------|
| 数据丢失 | 中 | 本地存储需用户自行备份，无自动云同步 |
| 预测误导 | 中 | 78%准确率意味着可能强化错误模式，需人工判断 |
| Git历史污染 | 低 | 自动推断可能误读提交意图，需审核机制 |
| 模式过拟合 | 低 | 长期单一领域使用可能导致预测局限在舒适区 |
| 依赖维护 | 低 | Node.js + Git + Ollama 多依赖链，版本兼容性风险 |
建议：关键业务决策仍需人工最终确认，Memphis定位为认知增强而非替代。