ClawMem fournit un système de mémoire hybride local pour les agents IA, combinant la recherche BM25 et vectorielle avec une expansion de requête alimentée par LLM, un reclassement et un parcours causal basé sur des graphes. Il expose des hooks pour la mise en évidence automatique du contexte et des outils MCP pour la récupération explicite et les actions de cycle de vie (épingler, mettre en veille, oublier).
Utilisez ClawMem lorsque vous avez besoin d'une mémoire locale fiable pour vos agents : pour faire remonter le contexte pertinent dans les prompts, répondre à des questions transversales de type « pourquoi/quand », construire des graphes temporels/sémantiques après une ingestion massive, ou gérer des politiques de cycle de vie de la mémoire pour des décisions à long terme. Privilégiez les hooks pour le contexte par tour et les outils MCP pour la récupération avancée, le débogage ou les tâches de maintenance.
ClawMem cible les environnements OpenClaw/Hermes et Claude Code ; il s'intègre aux outils MCP et peut être utilisé avec des runtimes d'agents supportant des appels d'outils CLI locaux ou REST.
Cette compétence n'a pas encore été examinée par notre pipeline d'audit automatisé.