Smart Memory v2.1 综合评估
Smart Memory 是一款面向 AI Agent 的上下文感知记忆系统，作为 OpenClaw 原生记忆方案的即插即用替代品，核心优势在于提供双模式检索架构：Fast Mode（快速向量搜索）与 Focus Mode（策展式智能检索）。
核心用法
系统采用 SQLite 单文件后端，结合 FTS5 关键词搜索（BM25） 与 语义向量搜索 的混合算法，默认按 70% 向量相似度 + 30% 关键词匹配加权融合结果。用户可通过 --focus 启用 Focus Agent 多轮策展流程：广泛检索（20+ chunks）→ 加权排序（向量+词项+来源+时效）→ 叙事合成 → 结构化输出置信度评分。
本地嵌入基于 Transformers.js 实现，无需 API 密钥；可选 sqlite-vec 扩展可将向量检索性能从约 100 chunks/sec 提升至 10,000 chunks/sec。CLI 提供 memory_search、memory_get、memory_mode 三类工具，支持 JavaScript 程序化调用。
显著优点
1. 零配置部署：单命令安装即可运行，自动创建 SQLite 数据库
2. 混合搜索质量：FTS5 弥补纯向量搜索的精确匹配短板，兼顾语义理解与字面召回
3. 灵活双模式：Fast Mode 满足毫秒级简单查询，Focus Mode 应对复杂决策与多源 synthesize
4. 完全本地化：嵌入模型、数据存储、检索计算均在本地，无网络依赖与数据泄露风险
5. 性能可扩展：sqlite-vec 原生 KNN 支持理论上无限规模（对比 v1 JSON 方案的 ~1000 chunks 上限）
潜在局限
- 策展延迟：Focus Mode 增加 50-100ms 处理开销，高频实时场景需权衡
- 模型体积：Transformers.js 首次加载需下载嵌入模型，对资源受限环境存在压力
- 生态锁定：明确设计为 OpenClaw 替代方案，与其他 Agent 框架集成需适配层
- 置信度机制：合成结果的置信评分依赖内部启发式规则，缺乏可解释性校准
适合人群
- OpenClaw 用户对原生记忆检索质量不满，寻求增强替代
- 需要本地优先、隐私敏感的知识管理场景（个人笔记、企业内网）
- 复杂决策支持需求：项目复盘、多文档关联分析、选项对比
常规风险
- 大规模数据下未启用 sqlite-vec 时检索性能显著下降
- Focus Agent 的合成叙事可能引入总结偏差，关键决策建议人工复核原始来源
- SQLite 单文件并发写入存在瓶颈，多进程 Agent 部署需谨慎
---
总体评价：技术架构成熟，搜索质量优于基础向量方案，双模式设计体现对检索场景的深度理解。适合已使用 OpenClaw 或类似框架、追求本地部署与检索质量平衡的用户。