Smart Memory

Smart Memory v3.1 综合评估

核心用法

Smart Memory 是一套面向 OpenClaw 的本地认知记忆系统，采用转录优先（transcript-first）架构。核心工作流为：

1. 摄入与记录：通过 /ingest 和 /transcripts/message 端点将对话内容以不可变转录形式存储
2. 检索与组合：使用 memory_search 工具查询相关记忆，系统通过 /retrieve 和 /compose 实现实体感知检索与令牌受限的提示组合
3. 持久化提交：通过 memory_commit 将关键事实、决策、目标等写入长期存储（SQLite 为运行时权威存储）
4. 版本与衍生：支持基于证据的修订生命周期（/revise）和替代链追踪，确保记忆演变的可审计性

系统区分核心记忆通道（core lane）与工作记忆通道（working lane），并支持热记忆兼容性投影，为 LLM 提供上下文窗口优化。

显著优点

• 本地优先：完全本地运行（Node + Python FastAPI），数据不出境，隐私可控
• 可审计性：转录为权威来源，所有派生记忆均可追溯至原始证据
• 资源轻量：坚持 CPU-only PyTorch 策略，无 GPU 依赖
• 弹性设计：失败后自动进入重试队列（.memory_retry_queue.json），保障写入可靠性
• 确定性重建：支持从转录历史完全重建记忆状态

潜在局限

• 架构复杂：Node 适配器 + FastAPI 后端 + SQLite 的多层架构增加部署和维护成本
• 嵌入吞吐量限制：需序列化提交以保护本地嵌入计算能力，高并发场景可能瓶颈
• 无原生云同步：纯本地设计，跨设备记忆共享需自行搭建同步机制
• 生态绑定：专为 OpenClaw 设计，通用性受限

适合人群

• 对数据主权有严格要求的开发者与团队
• 需要会话连续性的 AI Agent 构建者
• 重视可解释性与审计的企业级应用场景
• 具备本地部署运维能力的用户

常规风险

• 数据丢失风险：SQLite 为运行时权威存储，需配合常规备份策略
• 版本兼容性：后端转录优先重构后，需确保 wrapper 版本匹配
• 令牌边界误配置：提示组合严格受限，参数设置不当可能导致上下文截断
• 依赖维护：Node 与 Python 双运行时增加供应链攻击面，需持续更新依赖

核心功能

Smart Memory v3.1 是一款面向 OpenClaw 的本地化认知记忆运行时，采用「transcript-first」架构设计，核心组件包括 Node.js 适配器、FastAPI 后端服务及 SQLite 持久化存储。系统通过 memory_search、memory_commit、memory_insights 三大工具接口，实现对话历史的智能检索、关键信息的持久化存储，以及后台洞察的主动推送。

显著优点

• 完全本地化：所有数据存储于用户目录下的 SQLite 与 JSON 文件，无外部网络依赖，天然符合 GDPR 本地处理原则
• 架构清晰：transcript 作为唯一真相来源，记忆条目均可溯源重建；支持偏好、身份、任务状态等类型化长期记忆
• 检索精准：实体感知检索搭配轻量级关系提示，配合核心/工作内存双通道设计，确保上下文相关性
• Prompt 安全：严格的 token 上限控制，避免上下文窗口溢出

潜在局限

• T3 来源可信度：BluePointDigital 为社区项目，非顶级开源基金会背书，生产环境建议额外代码审计
• 安装方式风险：curl | bash 动态代码加载虽来源可信，但无法安装前审查完整代码
• CPU 性能瓶颈：PyTorch CPU-only 策略在 embedding 计算密集场景可能影响响应延迟
• 单节点架构：无分布式或云端同步能力，跨设备记忆无法共享

适合人群

• 重视数据隐私、要求完全本地运行的个人开发者
• 需要长期对话连续性、复杂任务状态跟踪的 OpenClaw 用户
• 具备一定技术能力、能自主审查代码的技术团队

常规风险

• 安装脚本需手动验证来源；FastAPI 服务若误配为 0.0.0.0 将暴露本地端口
• 记忆文件需定期备份，单点故障无自动容灾