ClawMem – 开源智能体记忆系统，支持SOTA本地GPU检索

我一直在开发ClawMem，这是一个开源上下文引擎，为AI编程智能体提供跨会话的持久记忆。它兼容Claude Code（钩子+MCP）和OpenClaw（ContextEngine插件+REST API），两者可以共享同一个SQLite存储库，这样你的CLI智能体和语音/聊天智能体就能基于同一记忆工作，无需任何同步。检索架构是个“弗兰肯斯坦”，这基本就是我的开发流程——我从近期项目和研究中提取最佳部分并拼接起来：[QMD](https://github.com/tobi/qmd)用于多信号检索流水线（BM25+向量+RRF+查询扩展+交叉编码器重排序），[SAME](https://github.com/sgx-labs/statelessagent)用于结合内容类型半衰期和共激活强化的复合评分，[MAGMA](https://arxiv.org/abs/2501.13956)用于多图遍历的意图分类（语义、时序和因果束搜索），[A-MEM](https://arxiv.org/abs/2510.02178)用于自演进记忆笔记，[Engram](https://github.com/Gentleman-Programming/engram)用于去重模式和时序导航。这些原本都不是为协同工作设计的，让它们协调一致是主要工作量。在推理侧，QMD原始技术栈使用300MB的嵌入模型、1.1GB的查询扩展LLM和600MB的重排序器，可通过llama-server在GPU运行或通过node-llama-cpp进程内运行（Metal、Vulkan或CPU）。但更有趣的是SOTA升级路径：ZeroEntropy的蒸馏配对模型zembed-1+zerank-2。它们目前是MTEB榜单排名最高的嵌入和重排序模型，且专为协同工作设计。重排序器与嵌入器从同一教师模型蒸馏而来，因此共享语义空间。运行两者需要约12GB显存，但检索质量明显优于默认技术栈。如果不想本地运行模型，也提供云端嵌入选项。针对Claude Code，它通过生命周期事件钩子实现：每次提示触发上下文浮现以注入相关记忆，决策提取器和交接生成器捕获会话状态，反馈循环强化实际被引用的笔记。这自动处理约90%的检索需求，其余10%通过28个MCP工具处理显式查询。对于OpenClaw，它注册为ContextEngine插件并采用相同的生命周期钩子映射，另提供5个REST API工具供智能体直接调用。系统基于Bun运行，使用单一SQLite存储库（WAL模式，FTS5+vec0）。所有数据都在设备本地，除非选择云端嵌入否则无云依赖。整个系统是自包含的。这是个精致的半成品，而非最终产品。我是独立开发者，代码库约1.9万行，核心存储模块是个4000行的上帝对象可能需要拆分。当然，系统效果取决于索引内容：仅三个记忆文件的存储库自然效果有限，而包含项目文档、研究笔记和决策记录的存储库才能提供真正有用的记忆。我真诚希望获得两个问题的反馈：（1）是否有人尝试过在本地为智能体记忆运行SOTA嵌入+重排序模型？质量提升是否值得消耗显存？（2）对于同时使用多种智能体界面（CLI+语音/聊天）的用户，你们目前如何处理共享记忆？