OpenClaw Memory Qdrant

核心功能

memory-qdrant 是专为 OpenClaw 框架设计的本地语义记忆插件，使 AI 代理具备长期记忆能力。通过三种工具——memory_store（存储）、memory_search（检索）、memory_forget（删除）——实现对话上下文的持久化管理。

显著优点

• 完全本地化：基于 Transformers.js 和 Qdrant 内存模式，无需 API 密钥或外部服务，隐私可控
• 语义检索：使用 all-MiniLM-L6-v2 模型生成 384 维嵌入向量，支持语义相似度搜索而非简单关键词匹配
• 灵活部署：默认零配置内存模式（重启清空），可选外接 Qdrant 服务器实现持久化
• 低门槛集成：自动捕获和上下文注入可配置，适配不同隐私需求场景

局限性与风险

• 存储限制：内存模式数据易失，大规模记忆需外接 Qdrant 服务器，增加运维复杂度
• 首次冷启动：需从 Hugging Face 下载约 25MB 模型文件，网络不稳定时体验受限
• 检索准确性：依赖嵌入模型质量，专业领域术语或复杂推理链可能出现语义漂移
• 安全风险：外接 Qdrant 模式时数据离开本地，需确保服务器可信；autoCapture 若误启用可能导致敏感信息记录

适合人群

• 注重数据隐私、希望 AI 代理具备上下文连续性的开发者
• 构建本地优先 LLM 工作流的技术团队
• 需要快速原型验证记忆能力的 OpenClaw 用户

安全评估

来源为社区开发者（zuiho-kai），代码开源可审计，但缺乏企业级安全认证。建议生产环境外接 Qdrant 时使用 TLS 加密连接。

核心用法

memory-qdrant 是 OpenClaw 生态的本地语义记忆插件，通过三个工具函数实现记忆管理：

• memory_store: 存储结构化记忆文本，支持分类标签
• memory_search: 基于语义相似度检索相关记忆，返回最匹配的上下文
• memory_forget: 按 ID 或语义查询删除特定记忆

插件采用零配置设计，默认启用内存模式（数据随进程重启清除），可选连接外部 Qdrant 服务器实现持久化。自动捕获（autoCapture）默认关闭，自动召回（autoRecall）默认开启，平衡隐私与智能体验。

显著优点

1. 完全本地化: 基于 Transformers.js 运行 Xenova/all-MiniLM-L6-v2 模型，嵌入推理在本地完成，无需 OpenAI 等外部 API
2. 零依赖密钥: 除首次下载 ~25MB 模型外，无需任何 API 密钥或付费服务
3. 隐私优先设计: 内存模式为默认、自动记录默认关闭、敏感操作需显式调用
4. 架构清晰: ES6 模块 + 工厂函数模式，代码 542 行结构规范，便于审计
5. 依赖精简安全: 仅依赖 @qdrant/js-client-rest 和 @xenova/transformers 两个主流库，无已知 CVE

潜在缺点与局限

1. T3 来源可信度: 维护者 zuiho-kai 为个人开发者，虽代码质量优秀但缺乏企业级背书
2. 模型下载风险: 首次运行从 HuggingFace 拉取模型，虽经 HTTPS 传输但无内置完整性校验
3. 外部 Qdrant 信任假设: 若配置自建服务器，依赖用户自行保障服务端安全
4. 内存模式易失性: 默认配置下记忆无法跨会话保留，需用户主动配置持久化
5. 运行时资源占用: 本地嵌入推理需消耗 CPU/内存资源，低配置设备可能影响响应速度

适合人群

• 重视数据隐私、拒绝云端记忆服务的 OpenClaw 用户
• 需要跨对话上下文保持的 Agent 开发者
• 希望低成本（零 API 费用）实现 RAG 能力的个人或小型团队
• 具备基础 Node.js 环境配置能力的用户

常规风险

| 风险类型 | 等级 | 说明 |

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

| 代码注入 | 低 | 无动态代码加载，输入均经文本化处理 |

| 数据泄露 | 低 | 默认内存模式无持久化，外部 Qdrant 需用户显式配置 |

| 供应链攻击 | 中低 | 依赖库可信但建议定期更新，模型下载建议校验哈希 |

| 越权访问 | 低 | 插件权限限于记忆操作，无系统级调用 |

| 模型偏见 | 低 | 使用 MiniLM 标准模型，无训练数据污染风险 |

使用建议

生产环境建议启用外部 Qdrant 时配置 TLS 证书白名单，并定期审计依赖版本。敏感场景下保持内存模式，或在持久化配置中启用端到端加密。