（674期）Mnemon Memory – 为 AI Agent 注入持久记忆

为 AI Agent 注入持久记忆 为 LLM Agent 打造的长效记忆 CLI 工具，支持事实存储、语义/因果关联、智能召回与生命周期管理，突破上下文窗口限制。 使用说明 核心用法 mnemon 是一款专为 LLM Agent 设计的持久化记忆 CLI 工具，通过本地数据库存储关键信息，使 Agent 能够突破上下文窗口限制，实现跨会话的知识积累与关联。 核心流程三步骤： Remember（记忆）：使用 mnemon remember 存储事实，支持分类（preference/decision/insight/fact/context）、重要性评分（1-5）、实体标记。内置 diff 机制：重复内容自动跳过，冲突内容智能替换，输出包含 action 状态和候选关联。 Link（关联）：基于候选列表建立记忆图谱。支持两种关联类型——semantic（语义相似）和 causal（因果关系）。关键注意：系统提供的 causalsignal 仅基于正则匹配，易产生假阳性，需人工判断真实因果；semanticcandidates 的高相似度也不等于主题相关，需避免关键词巧合导致的误关联。 Recall（召回）：通过 mnemon recall 进行语义检索，支持限制返回数量。 高级特性： 生命周期管理：mnemon gc 支持按阈值清理低价值记忆，或保护关键记忆 多存储隔离：store 命令族支持按项目/会话隔离记忆空间 OpenClaw 深度集成：一键部署 Skill、Hook、Plugin 三层架构，remind（自动召回）、nudge（智能提示存档）、compact（上下文压缩前保存关键洞察）三种钩子可独立配置 显著优点 架构完整：覆盖存储、关联、召回、清理全生命周期，非简单键值对 智能防重复：内置 diff 避免记忆冗余，冲突自动处理 图谱化组织：支持因果+语义双维度关联，构建可导航的知识网络 Agent 原生设计：OpenClaw 集成提供行为注入（bootstrap hook）和主动式记忆管理 隐私优先：完全本地运行，无云端依赖 潜在缺点与局限性 关联质量依赖人工判断：因果信号易误判，需用户/Agent 主动审核候选 无内置向量索引：大规模记忆场景下检索效率可能受限 单用户架构：无多用户隔离或权限控制 配置门槛：OpenClaw 生态依赖，独立使用需手动搭建集成 存储限制：单条记忆 8000 字符上限 适合人群 需要长期上下文保持的 Claude Code / OpenClaw 深度用户 构建复杂项目需要跨会话知识积累的开发者 希望将 Agent 从"无状态"升级为"有状态"的 AI 应用架构师 对数据隐私敏感、要求完全本地化的团队 常规风险 记忆污染：错误关联导致 Agent 召回不相关信息，影响决策质量 因果误判：过度依赖系统提供的因果候选，可能建立虚假因果关系链 敏感数据泄露：明文存储记忆内容，需严格遵守"不存密码/密钥"的 guardrail 存储膨胀：未及时 GC 导致本地数据库过大，影响检索性能 幻觉放大：记忆召回机制若与 LLM 幻觉叠加，可能强化错误认知 原始说明 Persistent memory CLI for LLM agents. Store facts, recall past knowledge, link related memories, manage lifecycle.