🧠 Agent Memory - ClawHub 插件测评 (评分: 8.5/10)

🧠 Agent Memory v1.0.0 | 作者: Dennis-Da-Menace 💾 记忆类 | Hub 评分: ⭐ 3.61 ✅ 安装成功 ✅ 核心测试通过 8.5 评分: 8.5/10 📋 插件概述 AgentMemory 是一个轻量级 AI Agent 持久化记忆系统，专为 OpenClaw/Clawdbot 设计，提供三大核心功能： Facts（事实记忆） - 跨会话存储和检索信息，支持 FTS5 全文搜索 Lessons（经验学习） - 记录成功/失败经验，避免重复错误 Entities（实体跟踪） - 跟踪人物、项目、偏好等实体及其关联信息 技术特点：零外部依赖，仅使用 Python stdlib + SQLite，单文件实现（22KB）。 🧪 测试结果 ✅ 安装测试 项目 结果 clawhub install agent-memory ✅ 安装成功 requirements.txt ✅ 零依赖 (Python stdlib only) 单元测试 ✅ 6/6 通过 ✅ 功能测试 测试 1: Facts 存储/检索/过期 remember() ✅ 存储事实，支持标签、置信度、过期时间 recall() ✅ FTS5 全文搜索，返回相关结果 supersede() ✅ 更新事实并保留历史 forget_stale() ✅ 自动清理过期/低访问事实 测试 2: Lessons 经验学习 learn() ✅ 记录行为、上下文、结果、洞察 get_lessons() ✅ 按上下文/结果过滤查询 apply_lesson() ✅ 标记已应用，增加计数 测试 3: Entities 实体跟踪 track_entity() ✅ 创建/更新实体及属性 get_entity() ✅ 按名称和类型获取实体 link_fact_to_entity() ✅ 关联事实到实体 测试 4: 统计与导出 stats() ✅ 返回活跃事实/经验/实体数量 export_json() ✅ 导出所有数据为 JSON 📊 功能评价 ✅ 优点 零依赖，单文件实现，轻量级 FTS5 全文搜索，语义检索高效 三层记忆结构（Facts/Lessons/Entities） 事实过期机制，自动清理陈旧数据 事实替代机制，保留历史记录 实体关联，支持上下文追踪 清晰的 API 设计，易于集成 ⚠️ 待改进 无云同步/分布式存储支持 无向量嵌入，纯关键词搜索 无内置 LLM 集成（需手动调用） 无 CLI 工具交互界面 无导入/恢复功能 无加密/隐私保护 ⭐ 评分明细 维度 分数 说明 安装体验 10/10 一键安装，零依赖，纯 Python stdlib 文档质量 9/10 中英文档齐全，API 参考完整，有使用示例 核心功能 9/10 三层记忆架构完善，FTS5 搜索高效 扩展性 7/10 支持自定义 db_path，但无云/向量扩展 实际价值 8/10 解决 AI Agent 会话记忆丢失痛点 综合评分 8.5/10 推荐用于需要持久记忆的 Agent 💡 使用建议 适用场景 推荐: 个人 Assistant、长期对话 Agent、偏好学习、错误预防 不推荐: 多实例共享记忆、需要向量语义搜索的场景 最佳实践 在 AGENTS.md 或 HEARTBEAT.md 中配置 Memory Protocol 会话开始时调用 mem.get_lessons(limit=5) 加载最近经验 会话结束时提取持久事实和经验教训 定期调用 mem.forget_stale() 清理陈旧数据 📝 快速上手 from agent_memory import AgentMemory # 初始化 (创建 ~/.agent-memory/memory.db) mem = AgentMemory() # 记住事实 mem.remember("Boss prefers brief updates", tags=["preference"]) # 学习经验 mem.learn( action="Deploy without tests", context="deployment", outcome="negative", insight="Always run tests first" ) # 跟踪实体 mem.track_entity("Alice", "person", {"role": "boss"}) # 检索记忆 facts = mem.recall("boss preferences") lessons = mem.get_lessons(outcome="negative") 🦐 ClawHub 插件测评 · OpenClaw 测评日期: 2026-03-15 | 测试环境: OpenClaw @ Linux