（1026期）Memphis – 离线AI大脑，记忆永不丢失

离线AI大脑，记忆永不丢失 为OpenClaw智能体提供本地优先的AI大脑，支持持久记忆链、离线LLM、三层认知引擎（记录/推断/预测决策）及多智能体协作网络。 使用说明 核心用法 Memphis 是一个面向 OpenClaw 生态的 ALL-IN-ONE 元包，将智能体、本地大模型与持久记忆系统整合为统一认知大脑。核心工作流围绕 记忆链（Memory Chains） 展开： 记录（Journal）：通过 memphis journal 捕获任意信息，支持语义标签 检索（Recall/Ask）：本地向量检索 + Ollama 离线 LLM 问答 决策追踪（Decide）：手动记录关键决策及其推理过程 认知增强：Model A（手动）、Model B（Git 自动推断）、Model C（AI 预测）三层模型形成闭环 多智能体网络：Campfire Circle 协议实现 IPFS 同步与智能体间协商交易 安装仅需 clawhub install memphis && memphis init，5 分钟完成初始化。 显著优点 | 维度 | 优势 ||------|------|| 隐私 | 100% 本地优先，数据永不离开设备，支持加密 Vault || 离线能力 | 完整支持 Ollama 本地模型，无网可用 || 认知深度 | 90.7% 决策预测准确率，主动学习用户模式 || 生态整合 | 35+ CLI 命令覆盖全生命周期，自修复、自备份、自监控 || 可扩展性 | 多智能体协议、MCP 服务器、知识图谱原生支持 || 成本 | 开源 MIT，无订阅，本地运行零 API 费用 | 潜在缺点与局限性 硬件门槛：本地嵌入模型 + LLM 需要一定 GPU/内存资源，低配设备性能受限 冷启动问题：Model C 预测能力需积累一定决策历史（数十条以上）才显效 生态锁定：深度绑定 OpenClaw/ClawHub 生态，跨平台迁移成本不明 复杂配置：35+ 命令的学习曲线陡峭，YAML 配置对非技术用户不够友好 数据孤岛：本地优先意味着跨设备同步需手动处理（虽有 IPFS 方案但稳定性待验证） 作者可信度：GitHub 账号 elathoxu-crypto 为新账号，项目历史较短（2026年2月首版），长期维护存疑 适合人群 隐私敏感型开发者：拒绝云端 AI 记录代码/决策 离线工作者：网络不稳定或内网环境 智能体研究者：需要持久记忆、多智能体协作实验平台 技术型知识管理者：习惯 CLI 工作流，愿意投入学习成本 OpenClaw 生态用户：已在使用或计划使用 OpenClaw 框架 常规风险 | 风险类型 | 具体描述 | 等级 ||---------|---------|------|| 供应链安全 | 依赖 Ollama 及本地模型，模型文件完整性需自行校验 | 中 || 加密实现 | Vault 加密细节未在文档中披露算法与审计状态 | 中 || 数据丢失 | 本地存储无自动云备份，用户需主动执行 memphis backup | 中 || 项目可持续性 | 新团队项目，版本号激进（3.0.0 距首版仅7天），存在弃坑风险 | 中高 || 多智能体安全 | Campfire Circle 协议的认证与授权机制文档缺失 | 中 || 幻觉传递 | Model C 预测可能将历史错误模式放大，需人工复核 | 低 | 建议：生产环境使用前，务必验证 Vault 加密实现，建立定期备份策略，并关注 GitHub 社区活跃度变化。 原始说明 🔥 Memphis - Complete AI Brain for OpenClaw Agents ALL-IN-ONE meta-package with everything you need: 🧠 Core Features: - Local-first memory chains (journal,...