双轨记忆，时序与语义兼得

融合 OpenClaw 向量记忆与 Graphiti 时序知识图谱的双模记忆系统，智能路由文档检索与时态事实查询，解决 AI 长期记忆与上下文追溯难题。

基本信息

• 技能名称?Hybrid Memory
• 中文名称?双轨记忆，时序与语义兼得
• 作者?clawdbrunner
• 分类?其他
• 版本?1.0.1
• 标签?memory, knowledge-graph, temporal-data, openclaw, retrieval, rag, context-management

使用方法

使用说明
核心用法
Hybrid Memory 是一套双轨记忆架构，将 OpenClaw 内置向量记忆 与 Graphiti 时序知识图谱 结合使用，实现文档语义检索与时间敏感事实追踪的互补。
使用决策框架：
memory_search — 处理文档内容查询（如 "GOALS.md 里写了什么？"）、项目指南检索等静态知识
Graphiti — 处理时态问题（"我们何时搭建 Slack？"）、对话历史追溯（"用户上周二说了什么？"）、实体关系追踪（"Alice 参与哪些项目？"）
标准调用流程：

1. 判断问题类型 → 选择对应工具
2. 时态问题优先查 Graphiti，文档问题优先查 memory_search
3. 不确定时双轨并行，结果融合
4. 低置信度时明确告知用户已尝试检索但结果不确定
   技术实现：
   memory_search：基于嵌入的语义搜索，覆盖 MEMORY.md 及 memory/*/.md 文件
   Graphiti：支持时间戳索引的知识图谱，通过 graphiti-search.sh / graphiti-log.sh CLI 交互
   显著优点
5. 精准路由 ：避免单一大记忆模型的检索噪音，按问题类型分配最优后端
6. 时态感知 ：Graphiti 原生支持 "上次见面时间"、"项目阶段演变" 等时间维度查询，弥补向量数据库的时间盲区
7. 渐进部署 ：可分阶段启用（先 OpenClaw 记忆，再叠加 Graphiti），降低初期投入
8. 开放架构 ：基于文件与 CLI 的松耦合设计，不绑定特定模型或云平台
   潜在局限
9. 基础设施复杂度 ：Graphiti 需 Docker 部署 + 同步守护进程，本地开发成本高于纯云端方案
10. 双系统维护 ：需同时管理向量嵌入配置与图谱 Schema，运维认知负荷较高
11. 冷启动问题 ：新 Group ID 的图谱需累积足够事实后检索质量才稳定
12. 无内置冲突消解 ：若两系统返回矛盾信息，需上层逻辑裁决，未提供自动合并策略
    适合人群
    长期对话代理开发者 ：需要跨会话记忆的个人知识助手、教练类 AI
    项目追踪场景 ：管理多阶段任务、需要回答 "何时发生变更" 的 DevOps/PM 工具
    隐私敏感用户 ：倾向本地部署记忆层，而非依赖 OpenAI 等云端记忆 API
    常规风险
    记忆污染 ：日志脚本若未过滤敏感输入，可能导致 PII 持久化至图谱
    时区/时间戳漂移 ：Graphiti 依赖正确的时间记录，客户端-服务端时钟不同步会降低时态查询精度
    检索幻觉 ：向量语义匹配可能返回表面相关但语境不符的文档片段，需结合 memory_get 二次确认
    权限边界模糊 ：Group ID 隔离机制依赖外部管控，配置错误可导致用户 A 数据被用户 B 检索到