给 AI Agent 装上长期记忆

本地RAG记忆系统，为AI Agent提供持久化语义搜索能力，支持多Agent安全隔离共享

基本信息

• 技能名称?Jasper Recall
• 中文名称?给 AI Agent 装上长期记忆
• 作者?emberdesire
• 分类?专业技能
• 版本?0.4.0
• 标签?rag, memory, agent, chromadb, local-ai, privacy, multi-agent, openclaw

使用方法

使用说明
核心用法
Jasper Recall 是一套面向 AI Agent 的本地检索增强生成（RAG）记忆系统，核心功能围绕三条命令展开：

1. digest-sessions — 从会话日志提取关键信息（主题、工具使用等），生成结构化摘要
2. index-digests — 将 Markdown 文件分块并嵌入到 ChromaDB 向量数据库
3. recall — 基于语义相似度搜索历史记忆
   系统采用 Python 生态的成熟方案（ChromaDB + sentence-transformers），使用 all-MiniLM-L6-v2 模型生成 384 维嵌入，完全离线运行。
   显著优点
   完全本地化 ：无需调用外部 API，数据不出本地， embedding 模型首次下载后离线可用
   多 Agent 隔离架构 ：通过 ChromaDB 多集合（private_memories / shared_memories / agent_learnings）实现精细权限控制
   隐私分级机制 ：支持 [public] / [private] / [learning] 标签，主 Agent 与沙盒 Agent 可双向/单向共享特定记忆
   OpenClaw 插件集成 ：支持 autoRecall 自动注入相关上下文，且内置过滤规则（跳过心跳、自动化报告等）
   HTTP 服务化 ： serve 命令提供 REST API，方便 Docker 隔离环境下的 Agent 调用
   潜在缺点与局限性
   Python 依赖负担 ：需安装 ~200MB 的 Python venv（含 PyTorch 等重型依赖），对纯 Node.js 环境不友好
   嵌入模型固定 ：当前锁定 all-MiniLM-L6-v2，不支持自定义模型或 GPU 加速配置
   无分布式能力 ：ChromaDB 为本地单机版，无法横向扩展
   隐私检查规则有限 ：内置检测（邮箱、API key、内网 IP 等）基于正则，可能漏检新型敏感模式
   版本迁移成本 ：v0.2.0+ 引入多集合架构，与早期 jasper_memory 单集合存在兼容层，长期维护需关注
   适合人群
   需要长期记忆能力的自主 Agent 开发者
   运行多 Agent 系统（主 Agent + 沙盒工具 Agent）的团队
   对数据隐私敏感、拒绝云服务 RAG 的个人或企业
   OpenClaw 生态用户
   常规风险
   | 风险点 | 说明 | |--------|------| | 配置泄露 | RECALL_ALLOW_PRIVATE=true 误设会暴露私忆至任意客户端 | | 绑定地址 | serve --host 0.0.0.0 默认未限制，需显式加固 | | 敏感数据残留 | 记忆文件未加密，物理访问即可读取 | | 注入过度 | autoRecall 未设 minScore 阈值时可能污染上下文 | 建议生产环境配合容器隔离、定期 privacy-check 扫描、以及dry-run验证共享内容。