闲社服务运行正常AI智能体自动化平台
b

大内存快照

技能标识:big-memory

Structured task snapshot and automatic post-compaction recovery. Captures exact code, decisions, file paths, and task state before context compaction and recovers them after. Use when context is lost, when the user says "you forgot" or "what was I working on", when approaching context limits, or before long multi-step sessions. Also activates on "/big-memory", "save snapshot", "checkpoint", or "restore context". Zero external dependencies.

作者:admin | 来源记录:ClawHub
登记来源
ClawHub
版本
V 1.0.0
检测标记
后台标记通过
免费
免费获取
0
收藏
来源与检测标记为平台登记信息,并不代表已展示可复核的检测报告。使用前请核对版本、依赖和所需权限,建议先在隔离环境中运行。
概述
安装方式
版本历史

大内存快照

大内存

在上下文压缩后仍能存留的结构化任务快照。三阶段协议:

  1. 1. 捕获 -- 在压缩清除上下文之前保存结构化任务快照
  2. 检测 -- 识别何时发生压缩以及上下文丢失
  3. 恢复 -- 在内存中搜索最新快照并精确从上次中断处继续

仅使用 OpenClaw 内置工具(memorysearch、memoryget、Read、Edit)。无需脚本、外部数据库或 API 密钥。



任务快照模式

每个快照必须遵循此精确结构。不要省略字段——如果字段为空则填写无。如需包含逐字段指南的完整模板,请阅读 {baseDir}/references/TASK-SNAPSHOT.md。

markdown


[快照] 当前目标

一句话:用户当前想要完成什么?包括为什么。

[快照] 当前状态

  • - 阶段:{规划|实施|调试|测试|审查|部署}
  • 分支:{git 分支名称 或 n/a}
  • 受阻:{是|否} -- {如果是,描述阻碍因素}
  • 进度:{大致百分比或里程碑}

[快照] 涉及文件

  • - /path/to/file.ts -- 此文件中正在进行的操作
  • /path/to/other.ts -- 此文件在当前任务中的用途

[快照] 已做决策

  1. 1. 决策描述 -- 选择此方案的理由
  2. 另一个决策 -- 其理由

[快照] 代码上下文

必须在压缩中存留的关键代码。仅包含无法通过读取文件重建的内容(正在设计的函数签名、正在调试的错误消息、正在复制的精确模式)。总行数控制在 50 行以内。

[快照] 关键名称与值

容易遗忘的精确标识符:
  • - API 端点:POST /api/v1/users
  • 表名:usersessions
  • 环境变量:DATABASEURL
  • 错误:ERRDUPLICATEKEY

[快照] 阻碍因素与未解决问题

  • - 阻碍:带上下文的描述
  • 问题:未解决的决策及考虑的选项

[快照] 后续步骤

有序、具体、可执行:
  1. 1. 在 /path/to/file 中完成 X 的实现,覆盖边界情况 A、B、C
  2. 为 Y 端点编写测试:成功(201)、重复(409)、缺少字段(400)
  3. 更新配置以包含 Z

HTML 注释标记( 和 )至关重要。它们充当机器可解析的分隔符,memory_search 通过 BM25 精确术语匹配进行匹配,从而实现精确检索。



何时捕获

触发条件 1:压缩前刷新(自动)

当收到与压缩相关的系统消息(包含compact、memory flush、store durable memories或nearing compaction)时,执行捕获协议而非编写通用笔记。按照上述模式创建完整的结构化快照。

触发条件 2:里程碑捕获(代理发起)

在完成重要工作单元后——实现功能、修复错误、做出架构决策——自我评估:如果现在发生压缩,我会丢失关键上下文吗?如果是,则创建快照。

适合创建快照的时机:

  • - 做出影响多个文件的设计决策后
  • 编写用户将来会参考的代码后
  • 调试复杂问题后(捕获根本原因和修复方案)
  • 在较大任务中切换子任务时

触发条件 3:用户命令(用户发起)

当用户说 /big-memory save、save snapshot、checkpoint或big-memory save时,立即创建快照。



如何存储快照

  1. 1. 使用 Read 读取当前每日日志 memory/{YYYY-MM-DD}.md。如果不存在,则创建它。
  2. 追加快照。切勿覆盖现有内容。先读取文件,然后使用 Edit 在末尾追加。或者,使用 Write 写入完整现有内容加上新快照。
  3. 在快照前添加水平线和标题:

markdown



任务快照 -- HH:MM


...

  1. 4. 同一文件中可以有多个快照。每个快照捕获一个时间点的状态。最新的快照是事实来源。

压缩后恢复协议

步骤 1:检测压缩

当以下任一情况成立时,怀疑发生压缩:

  • - 对话以摘要/压缩块开始而非原始交流
  • 无法回忆起本应知道的特定细节(文件路径、变量名、确切代码)
  • 用户说你忘了、我们正在做、还记得吗、我刚才在做什么或类似话语
  • 系统消息包含Auto-compaction complete或类似内容

步骤 2:搜索最新快照

执行此搜索:

memory_search(BIG-MEMORY-SNAPSHOT)

这会触发对所有内存文件的混合向量 + BM25 搜索。HTML 注释标记确保高 BM25 相关性评分。

如果找到结果,使用 memory_get 或 Read 检索匹配路径和行范围的完整文件内容。

如果主要搜索无结果,尝试更广泛的查询:

memory_search(SNAPSHOT Active Goal Next Steps)
memory_search({今天的日期} task snapshot)

步骤 3:注入并定位

检索到快照后:

  1. 1. 解析 和 标记之间的内容
  2. 告知用户:我检测到上下文已被压缩。正在从 {时间戳} 的快照恢复任务状态...
  3. 简洁呈现恢复的状态:
- 目标: {来自当前目标} - 阶段: {来自当前状态} - 正在处理: {来自涉及文件} - 下一步: {来自后续步骤}
  1. 4. 询问:这与我们上次中断的状态一致吗?在我继续之前有什么需要更新的吗?
  2. 从后续步骤部分继续工作

如果未找到快照

如果内存中不存在快照:

  1. 1. 更广泛搜索:memorysearch({项目名称})、memorysearch(decided)、memory_search(working on)
  2. 检查 MEMORY.md 中是否有相关长期笔记
  3. 告诉用户:我找不到结构化快照。你能简要提醒我我们正在做什么吗?这次我会保存一个快照,这样就不会再发生了。

多个快照

如果找到多个快照:

  • - 使用时间戳最新的那个(检查 注释)
  • 如果用户表示最新的已过时,检查前一个



/big-memory 命令

/big-memory save

立即创建快照。执行完整的捕获协议:

  1. 1. 读取 {baseDir}/references/TASK-SNAPSHOT.md 获取模板(仅首次)
  2. 评估当前任务状态
  3. 填写所有 8 个模式部分
  4. 追加到今天的每日日志(memory/YYYY-MM-DD.md)
  5. 确认:快照已保存到 memory/{date}.md

/big-memory recall

搜索并显示最近的快照:

  1. 1. 执行 memorysearch(BIG-MEMORY-SNAPSHOT)
  2. 通过 memoryget 或 Read 检索完整快照
  3. 显示恢复的状态(目标、阶段、文件、后续步骤)
  4. 询问用户是否要从该状态继续

/big-memory status

显示当前快照信息:

  1. 1. 搜索今天每日日志中的快照
  2. 报告:今天的快照数量、最近快照的时间戳、当前任务状态是否与上次快照不同
  3. 如果没有最近的快照,建议 /big-memory save;如果上下文似乎不完整,建议 /big-memory recall

/big-memory(无参数)

默认为 status。显示当前状态并建议最有用的操作。



推荐配置

为获得最佳自动捕获效果,将这些设置添加到项目的 openclaw.json 中。完整配置请参见 {baseDir}/references/openclaw-config.md。

最有影响力的更改是替换默认的通用刷新提示:

json
{
agents: {
defaults: {
compaction: {
memoryFlush: {
enabled: true,
softThresholdTokens: 40000,
systemPrompt: 您正在捕获结构化任务状态以供压缩后恢复。请严格遵循 BIG-MEM

标签

skill ai

通过对话安装

以下为平台配置的接入选项,并非逐项实测通过。能否安装取决于客户端支持、技能来源和运行环境:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 big-memory-1776295228 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 big-memory-1776295228 技能

通过命令行安装

skillhub install big-memory-1776295228

下载

⬇ 下载 big-memory v1.0.0(免费)

文件大小: 8.5 KB | 发布时间: 2026-4-16 16:17

v1.0.0 最新 2026-4-16 16:17
Big-memory 1.0.0 – Initial Release

- Introduces structured task snapshots that persist through context compaction.
- Provides automatic detection and recovery of lost context using precise snapshot retrieval from memory logs.
- Supports user and system-triggered snapshot creation via commands and keywords.
- Defines a strict schema to capture code, decisions, file paths, and task state for robust task continuity.
- Offers clear protocols for capturing, storing, and restoring task snapshots.
- Zero external dependencies; uses only built-in OpenClaw tools (`memory_search`, `memory_get`, etc.).
返回顶部