核心用法
memory-qdrant 是专为 OpenClaw 设计的本地语义记忆插件，通过 Qdrant 向量数据库与 Transformers.js 本地嵌入模型，实现对话上下文的智能存储与语义检索。
主要功能：
- memory_store: 存储结构化信息，支持自定义分类标签
- memory_search: 基于语义相似度检索相关记忆，非关键词匹配
- memory_forget: 按 ID 或内容模糊删除特定记忆
运行模式：
- 内存模式（默认）：零配置启动，数据随进程重启清空，适合临时会话
- 持久化模式：连接外部 Qdrant 服务器，需自行部署维护
技术架构：
- 嵌入模型：Xenova/all-MiniLM-L6-v2（~25MB，首次运行从 Hugging Face 下载）
- 向量引擎：Qdrant（支持内存/磁盘/远程三种后端）
- 运行环境：Node.js + npm，依赖 sharp、onnxruntime 等原生模块
显著优点
1. 完全本地化：无需 OpenAI/Claude API 密钥，零外部服务依赖，数据不出境
2. 语义理解：基于向量的相似度搜索，能捕捉"workflow preferences"与"task automation habits"的关联
3. 隐私友好：默认内存模式不持久化，autoCapture 关隐私泄露风险可控
4. OpenClaw 原生集成：工具化设计，Agent 可自主决定何时存取记忆
潜在缺点与局限性
| 问题 | 说明 |
|------|------|
| 模型体积限制 | 25MB 轻量模型语义表达能力弱于 OpenAI text-embedding-3-large，长文本/专业领域效果下降 |
| 首次启动成本 | 需下载模型并编译原生依赖，网络不稳定或缺少 build tools 时安装失败 |
| 无多模态支持 | 仅文本嵌入，不支持图片、音频记忆 |
| Qdrant 运维负担 | 持久化模式需自行维护向量数据库，无托管方案 |
| 上下文爆炸 | autoRecall 开启后，高相似度记忆过多可能污染当前对话上下文 |
适合人群
- 隐私敏感用户：拒绝云端记忆服务，要求数据完全本地
- 离线环境开发者：无公网访问或 API 预算受限的场景
- 实验性 AI 应用：快速验证长期记忆 Agent 架构的原型开发
常规风险
- PII 泄露：autoCapture 启用后，正则匹配可能捕获邮箱/手机号，需在可信环境使用
- 记忆污染：语义检索的"相关性"由模型决定，可能出现表面相似但语境不符的错误召回
- 数据丢失：内存模式意外崩溃导致会话记忆全失，重要数据务必配置持久化
- 供应链风险：首次下载依赖 Hugging Face CDN，存在模型文件被篡改的中间人攻击可能（建议校验哈希）