mema

核心用法

mema 是 Agent 的中央记忆系统，提供双层记忆架构：长期记忆层使用 SQLite 数据库存储文档索引（路径、标题、标签）和技能使用记录，数据持久化于 ~/.openclaw/memory/main.sqlite；短期记忆层通过 Redis 缓存临时上下文，以 mema:mental:: 为命名空间前缀，默认 6 小时 TTL 与 Agent 会话周期对齐。

主要操作包括：

• mema.py init：初始化数据库表结构
• mema.py index <file> --tag <tag>>：将知识文档编入长期索引
• mema.py list --tag <tag>>：按标签检索相关文档
• mema.py mental set/get <key>>：读写短期会话状态

显著优点

1. 架构清晰：双存储引擎各司其职，SQLite 保证持久可靠，Redis 提供高性能临时缓存
2. 零外部依赖风险：纯本地文件操作，无网络 API 调用，数据完全自主可控
3. 安全实现：全参数化 SQL 查询杜绝注入，路径处理使用 os.path.expanduser 避免遍历攻击
4. 生态整合：深度嵌入 OpenClaw Agent 核心，与官方技能体系无缝协作

潜在缺点与局限性

• Redis 依赖：需独立部署 Redis 服务，增加运维复杂度
• 无分布式能力：SQLite 单文件架构限制高并发写入场景
• 功能边界明确：仅做索引与键值存储，不支持向量检索或语义搜索
• 配置简陋：缺少日志审计、数据库加密等企业级特性

适合的目标群体

• 个人开发者构建长期运行的 Agent 助手
• 需要跨会话记忆保持的自动化工作流
• OpenClaw 生态用户寻求官方推荐的原生存储方案
• 对数据本地化有强要求的隐私敏感场景

使用风险

• Redis 暴露风险：若 Redis 未设密码且监听公网，可能导致未授权数据访问
• 目录权限：需确保 ~/.openclaw/memory// 权限为 700，防止其他用户读取索引内容
• 数据备份：SQLite 单文件虽便于备份，但误删或损坏将导致记忆丢失，建议定期备份

核心用法

mema 是面向AI Agent的双层记忆架构系统，将人类的"长期记忆"与"短期工作记忆"编码为可操作的数字基础设施：

• 长期记忆层（SQLite）：~/.openclaw/memory/main.sqlite 持久存储知识文档索引与技能使用记录，支持按标签检索，数据随Agent状态备份
• 短期记忆层（Redis）：mema:mental:* 命名空间提供6小时TTL的上下文缓存，用于会话间状态传递、思维暂存与任务断点续传

关键操作：

• mema.py index <path> --tag <tag> —— 将新文档编入知识图谱
• mema.py list --tag <tag> —— 语义化检索相关记忆
• mema.py mental set/get <key> —— 读写会话上下文，实现"刚才聊到哪了"的连续性

---

显著优点

1. 架构优雅：分离持久存储与瞬时状态，符合认知科学的工作记忆模型
2. 零外部依赖：SQLite原生内嵌，Redis仅本地连接，无外泄风险
3. 极简接口：159行Python实现完整功能，学习成本极低
4. Agent原生设计：深度集成OpenClaw生态，.env配置即开即用

---

潜在局限

• 单点故障：未实现SQLite的异地备份或Redis集群化
• 无分布式锁：多Agent并发操作可能引发竞态条件
• 查询能力有限：依赖标签匹配而非向量语义检索，大规模知识库时召回率受限
• TTL固定：6小时短存期限可能截断超长周期任务

---

适合人群

• 个人AI开发者：需要为Agent构建可进化记忆系统的独立开发者
• 长期任务Agent：客服、研究助手等需跨会话保持上下文的场景
• 隐私敏感用户：数据完全本地存储，拒绝云服务商的数据托管

---

常规风险

| 风险项 | 现状 | 缓解建议 |

|--------|------|---------|

| 路径遍历 | 基础防护存在 | 建议显式校验`..`与绝对路径 |

| Redis未认证 | 默认无密码 | 生产环境配置`REDIS_PASSWORD` |

| 日志缺失 | 仅stderr输出 | 建议接入结构化日志系统 |

| 来源可信度 | T3个人开发者 | 代码已开源审计，建议定期复扫 |

整体而言，mema以极小的代码 footprint 实现了记忆系统的核心抽象，是Agent基础设施中"恰如其分"的设计典范。