（10245期）vector-memory – 零配置智能记忆搜索，语义与关键词自动切换

零配置智能记忆搜索，语义与关键词自动切换 智能记忆搜索，零配置自动切换语义/关键词模式，即装即用，同步后提升搜索质量 使用说明 核心用法 Vector Memory 是一个零配置的智能记忆搜索工具，通过 memory_search 自动选择最佳搜索方法：当向量索引就绪时使用语义搜索（支持同义词、概念匹配），否则自动回退到内置关键词搜索。 关键特性： 即装即用：npx clawhub install vector-memory 后 memory_search 立即生效 自动选择：无需手动判断，智能检测向量状态并切换方法 渐进增强：可选执行 --sync 建立向量索引，提升搜索质量 故障回退：向量搜索失败时自动降级到关键词搜索 工具集：memorysearch（自动选方法）、memoryget（获取完整内容）、memorysync（手动索引）、memorystatus（查看当前模式） --- 显著优点 | 维度 | 优势 ||------|------|| 易用性 | 零配置设计，消除传统向量搜索的繁琐设置 || 可靠性 | 内置双重回退机制，避免服务中断 || 渐进式 | 基础功能立即可用，高级功能按需升级 || 透明性 | 自动方法选择对用户完全透明 | 潜在局限 质量依赖数据规模：未同步时仅关键词匹配，可能遗漏语义相关结果 同步成本：建立向量索引需要额外计算资源和时间 规模天花板：当前 JSON 存储设计仅适合 <1000 chunks，大规模需迁移 pgvector 环境变量弱依赖：虽为零配置，但生产环境建议显式设置 MEMORY_DIR 适合人群 快速原型开发者：需要立即工作的记忆搜索，不愿投入配置时间 渐进式优化团队：先上线再迭代，根据数据增长决定是否同步 ClawHub 生态用户：追求与 OpenClaw 无缝集成的低摩擦体验 常规风险 同步状态不透明：用户可能误判当前搜索模式（建议定期 memory_status 检查） 版本漂移：编辑记忆文件后若未重新同步，向量索引与实际内容不一致 资源泄漏：频繁 --sync 可能累积旧索引文件（文档未提及清理策略） 原始说明 Smart memory search with automatic vector fallback. Uses semantic embeddings when available, falls back to built-in search otherwise. Zero configuration - works immediately after ClawHub install. No setup required - just install and memory_search works immediately, gets better after optional sync.