核心用法
Lossless Claw 是一套本地运行的会话记忆蒸馏系统，核心机制为"短期全量记录 + 长期结构化沉淀"的双层架构。用户通过 CLI 调用 distill 命令处理会话日志，系统自动完成四阶段处理：
1. 身份提取——识别对话参与者角色、关系链与权限层级
2. 偏好捕获——沉淀沟通风格、内容倾向、禁忌边界等隐性特征
3. 任务追踪——提取待办事项、项目节点、承诺事项及 deadline
4. 知识固化——将领域知识、决策依据、共识结论转化为可检索单元
原始内容完整保留于短期日志层，高价值内容经去噪后提升至长期结构化层，最终生成带时间戳与溯源 ID 的摘要索引。
显著优点
- 无损保留：短期层完整存储原始会话，支持任意粒度回溯
- 本地优先：纯本地脚本运行，无外泄风险，符合隐私敏感场景
- 分层降噪：智能区分瞬时信息与持久价值，避免记忆膨胀
- 可追溯性：每条长期记录关联原始会话位置，支持质疑与修正
潜在局限
- 依赖 Python3 环境，非技术用户存在部署门槛
- 提取质量受输入格式规范性影响，非结构化日志需预处理
--apply参数具有写入副作用，误操作可能导致长期层污染- 缺乏内置冲突消解机制，同一实体多版本共存时需人工仲裁
适合人群
高频使用 AI 对话的知识工作者、需要维护多项目上下文的 PM、对数据主权敏感的隐私极客，以及希望构建个人知识库的长期主义者。
常规风险
- 长期层数据文件需定期备份，单点故障可能导致记忆断代
- 敏感内容若未在提取阶段脱敏，将进入长期索引形成持久暴露面
- 跨会话实体链接依赖命名一致性，别名歧义易导致知识碎片化