核心用法
Cortex 是一款面向 AI Agent 的本地优先记忆系统，采用 Go 语言开发，以单二进制文件（19MB）形式部署，零依赖、零云账户。核心 workflow 为：① 导入文件（Markdown/文本/8 种外部连接器）→ ② 自动事实提取（规则+可选 LLM 增强）→ ③ 混合检索（BM25 关键词 16ms + 语义向量 52ms）→ ④ 艾宾浩斯衰减调权 → ⑤ MCP 工具暴露给 Agent。
显著优点
1. 抗压缩丢失：SQLite 持久化存储，彻底规避 OpenClaw MEMORY.md 压缩导致的细节湮灭
2. 智能记忆衰减：9 类事实采用 7 档艾宾浩斯遗忘速率（身份信息 2 年/事件 1 周），无需人工整理即可自动降噪
3. 极速混合搜索：BM25（FTS5）+ 语义向量 + RRF 融合，实测 100K+ 记忆规模下响应 <100ms
4. 零成本运维：无云服务费、无 Python/Node/Docker 依赖，单机 5 年无容量焦虑（按 20-50 条/日）
5. MCP 原生集成：17 个工具 + 4 类资源直接暴露，支持 stdio/HTTP+SSE 双模式
潜在缺点与局限
- 语义搜索需本地 Ollama：若无 GPU，nomic-embed-text 在老旧设备上可能延迟 >200ms
- 连接器尚处 Beta：GitHub/Gmail 等 8 类同步需自行处理 OAuth 凭证轮换
- 无多机同步机制：纯本地 SQLite，跨设备需自行 rsync/云盘同步（可能引发冲突）
- LLM 增强依赖外部 API：深度事实提取需自备 Grok/Gemini 等密钥，增加配置复杂度
适合人群
- 高频使用 OpenClaw 且苦于记忆压缩的专业用户
- 多 Agent 协作场景需隔离记忆空间的开发者
- 对数据主权敏感、拒绝云记忆服务的企业/个人
- 已具备本地 Ollama 或愿自托管嵌入模型的技术用户
常规风险
1. 单点故障：SQLite 文件损坏将导致全部记忆丢失，需配合自动备份策略
2. 隐私泄露面：知识图谱浏览器（port 8090）若暴露公网，可能泄露敏感记忆拓扑
3. 事实幻觉：LLM 增强提取可能生成虚假事实，建议定期运行 cortex conflicts 校验
4. 遗忘误伤：艾宾浩斯参数若未针对场景调优，可能过早衰减关键业务信息