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