OpenClaw Memory Qdrant

核心用法

memory-qdrant 是一款专为 OpenClaw 设计的本地语义记忆插件，通过 Qdrant 向量数据库与 Transformers.js 嵌入模型，实现对话上下文的智能存储与检索。核心功能围绕三个工具展开：

• memory_store：保存结构化信息，支持分类标签（如 preference）
• memory_search：基于语义相似度检索相关记忆，可设置返回数量
• memory_forget：通过 ID 或查询文本删除特定记忆

默认采用内存模式（零配置），数据随进程重启清除；也可连接外部 Qdrant 服务实现持久化。首次运行自动下载约 25MB 的 Xenova/all-MiniLM-L6-v2 嵌入模型。

显著优点

• 完全本地化：无需 API Key，无外部服务依赖，隐私可控
• 零配置启动：内存模式开箱即用，降低部署门槛
• 语义理解：基于 Transformer 的嵌入模型，支持模糊匹配与语境关联
• 灵活集成：可选自动捕获（opt-in）与自动召回机制，适配不同工作流

潜在局限

• 原生依赖编译：sharp、onnxruntime 等依赖可能需要本地构建工具链
• 首启下载延迟：25MB 模型需从 Hugging Face 首次拉取
• 内存模式易失性：重启后数据丢失，长期记忆需额外配置 Qdrant 服务
• 自动捕获隐私风险：开启 autoCapture 后，正则触发模式可能捕获邮箱、电话等 PII

适合人群

• 注重数据隐私、希望避免云端 API 的开发者
• 需要为 OpenClaw 代理构建上下文记忆能力的用户
• 具备 Node.js 环境、能接受首次依赖安装的技术用户

常规风险

• PII 泄露：autoCapture 默认关闭，但启用后需谨慎评估触发规则
• 外部 Qdrant 信任问题：持久化模式需确保服务端可信
• 模型供应链：依赖 Hugging Face 模型下载，需考虑网络可用性与完整性校验

核心用法

memory-qdrant 为 OpenClaw 提供本地语义记忆能力，无需云端服务即可实现对话上下文的智能存储与检索。安装后提供三个核心工具：

• memory_store: 保存结构化信息，支持 category 字段便于分类管理
• memory_search: 基于语义相似度检索相关记忆，自动理解查询意图
• memory_forget: 按 ID 或查询内容删除特定记忆

默认启用内存模式（:memory:），数据随进程重启自动清除；也可配置外部 Qdrant 服务器实现持久化。

显著优点

1. 完全本地化: 基于 Transformers.js 在本地运行 Xenova/all-MiniLM-L6-v2 模型生成向量嵌入，无需 OpenAI/Anthropic 等 API Key
2. 零配置开箱即用: 首次运行自动下载 25MB 模型，无需复杂基础设施
3. 语义理解能力: 超越关键词匹配，能理解同义改写和概念关联
4. 隐私优先设计: autoCapture 默认关闭，内存模式不残留数据
5. 模块化架构: ES6 工厂函数模式，便于测试和扩展

潜在缺点与局限性

• 首次启动延迟: 需从 Hugging Face 下载模型，无网络环境需预缓存
• 计算资源占用: 本地 embedding 生成消耗 CPU/GPU，长文本处理有延迟
• 依赖原生模块: sharp 和 onnxruntime 可能需要编译工具链
• T3 来源风险: 个人开发者维护（zuiho-kai），长期维护稳定性待观察
• autoCapture PII 风险: 开启后会用正则匹配邮箱/电话，可能捕获敏感信息

适合人群

• 注重隐私、拒绝云端记忆服务的用户
• 需要离线运行的企业/隔离环境部署
• 已有 Qdrant 基础设施、希望统一向量存储的技术团队
• 开发需要长期上下文保持的 Agent 应用

常规风险

| 风险类型 | 等级 | 说明 |

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

| 外部网络请求 | 低 | 仅 Hugging Face 模型下载，无数据上传 |

| PII 捕获 | 中 | autoCapture 启用时可能记录邮箱/电话 |

| 数据持久化 | 配置相关 | 内存模式安全；外接 Qdrant 需评估服务器可信度 |

| 供应链安全 | 低 | 依赖 @xenova/transformers 和 @qdrant/js-client-rest 均为成熟开源项目 |

安全评分 S 级（88 分），静态分析 92 分，隐私合规 95 分，适合生产环境谨慎使用。