核心用法
memory-qdrant 是 OpenClaw 框架的本地语义记忆插件，通过 memory_store、memory_search、memory_forget 三个工具实现信息的持久化存储与语义检索。安装后启用插件即可使用，默认采用零配置的内存模式，首次运行自动从 Hugging Face 下载约 25MB 的 Xenova/all-MiniLM-L6-v2 嵌入模型。
典型工作流程：
- 使用
memory_store保存用户偏好、任务结果等关键信息，支持分类标签 - 通过
memory_search以自然语言查询召回相关记忆，自动注入对话上下文 - 用
memory_forget按 UUID 或语义匹配删除特定记忆
显著优点
1. 完全本地化：Transformers.js 在浏览器/Node 环境本地运行嵌入计算，无需 OpenAI 等外部 API，零网络依赖（除首次模型下载）
2. 灵活部署：支持纯内存模式（会话结束数据清零）或外接 Qdrant 服务，适应不同隐私需求
3. 语义理解：基于 MiniLM 的向量化检索，比关键词匹配更能捕捉意图相似性
4. 框架集成：专为 OpenClaw 设计，与代理工具链原生兼容
潜在缺点与局限性
- 性能瓶颈：本地嵌入推理速度显著低于云端 API，大批量记忆处理时延迟明显
- 存储限制：内存模式无持久化，意外重启导致记忆丢失；外接 Qdrant 需自行运维
- 模型能力：MiniLM-L6 作为轻量模型，语义理解深度有限，复杂概念匹配可能不准
- 生态依赖：绑定 OpenClaw 框架，无法独立使用或直接迁移至其他代理平台
适合人群
- 重视数据隐私、拒绝云端 API 的 OpenClaw 用户
- 需要轻量级记忆增强的个人自动化工作流
- 开发本地优先 AI 代理的技术爱好者与小型团队
常规风险
| 风险项 | 说明 |
|--------|------|
| PII 泄露风险 | `autoCapture` 功能默认关闭，若开启会匹配邮箱/电话正则，可能意外记录敏感信息 |
| 网络溯源 | 首次运行需连接 Hugging Face 下载模型，存在下载来源验证风险 |
| 服务端信任 | 配置外接 Qdrant 时，数据将离开本地环境，需确保服务端可信 |
| 内存安全 | 内存模式无访问控制，多用户/多进程场景下存在数据隔离问题 |