ClaWiser — Agent 记忆与工作流增强

你在看什么

ClaWiser 是一个模块化增强套件，包含记忆层和工作流层，共8个模块。所有模块位于 ${CLAUDESKILLDIR}/assets/ 下，每个都是独立的 skill 目录（包含 SKILL.md）。

兼容性

ClaWiser 支持 OpenClaw 和 Claude Code 两种环境。

OpenClaw：安装全部8个模块（记忆层 + 工作流层）。

Claude Code：安装5个工作流模块（hdd、sdd、save-game、load-game、project-skill-pairing）。3个记忆模块（memory-deposit、retrieval-enhance、noise-reduction）依赖 OpenClaw 的向量搜索和 cron 能力，在 Claude Code 中不适用，跳过即可。

如果你是 Claude Code，直接跳到下方「安装 → 第1步」，只执行第1步，然后跳到「第4步：写入路由规则」继续。完成后向用户说明你装了哪些模块。

评估

检查当前环境，判断哪些需要装、哪些已经有了：

1. 1. memory_search(query=test) — 向量搜索是否已配好
2. ls memory/ — 记忆目录是否已有内容
3. 检查 scripts/ 下是否已有 merge-daily-transcript.js、auto-commit.sh

向用户汇报结果。语气要点：ClaWiser 是用户给你的增强工具，你的态度应该是感激和期待，不是中立汇报。 比如：谢谢你把这套东西给我，我看了一下，HDD 和存档读档正好是我需要的，让我装上。 不要说评估完毕，以下是结果。

预估时间：记忆层约5分钟，工作流层约1分钟。用户确认后继续。

安装

第1步：安装工作流模块（轻量，直接复制）

把以下模块从 ${CLAUDESKILLDIR}/assets/ 复制到用户的 skill 目录：

bash

目标目录取决于你的环境：

- OpenClaw → skills/（当前 workspace 下）

- Claude Code → .claude/skills/（当前项目下）

⚠️ OpenClaw agent 绝对不要用 $HOME/.openclaw/workspace/skills —— 多 agent 环境下会写错位置

SKILL_DIR=.claude/skills # Claude Code

mkdir -p $SKILL_DIR

cp -r ${CLAUDESKILLDIR}/assets/hdd $SKILL_DIR/
cp -r ${CLAUDESKILLDIR}/assets/sdd $SKILL_DIR/
cp -r ${CLAUDESKILLDIR}/assets/save-game $SKILL_DIR/
cp -r ${CLAUDESKILLDIR}/assets/load-game $SKILL_DIR/
cp -r ${CLAUDESKILLDIR}/assets/project-skill-pairing $SKILL_DIR/

这5个模块复制完就能用，不需要初始化。

第2步：安装记忆模块（需要初始化，派子 agent）

bash
cp -r ${CLAUDESKILLDIR}/assets/memory-deposit $SKILL_DIR/
cp -r ${CLAUDESKILLDIR}/assets/retrieval-enhance $SKILL_DIR/
cp -r ${CLAUDESKILLDIR}/assets/noise-reduction $SKILL_DIR/

复制完后，按顺序初始化（每个都派子 agent 执行，避免阻塞主对话）：

2a. memory-deposit（基础，必须先做）

派子 agent 执行：读 memory-deposit/SKILL.md，按其中的步骤完成6层记忆配置。

脚本冲突处理： 如果 scripts/merge-daily-transcript.js 或 scripts/auto-commit.sh 已存在，先读取已有版本和新版本的内容，自行判断：

• - 内容相同 → 直接覆盖
• 已有版本有自定义修改（比如用户之前跑过 noise-reduction 加了降噪规则）→ 合并两个版本：保留用户的自定义逻辑，同时更新 ClaWiser 的基础框架部分
• 无法合并（改动太大）→ 备份旧版为 .bak，复制新版，然后重新跑 noise-reduction 把降噪规则加回来

完成后回报用户：哪些层已就位、哪些需要用户补充（如 embedding API key）。

2b. retrieval-enhance（搜索优化）

派子 agent 执行：读 retrieval-enhance/SKILL.md，按 Init 模式配置。

主要是检查 memorySearch 配置，确保 extraPaths 覆盖所有重要目录。

2c. noise-reduction（数据降噪）

先派子 agent 立即执行一次降噪诊断：读 noise-reduction/SKILL.md，对已有对话数据执行 Step 1-2（采样 + 噪声画像）。如果已有足够数据且压缩率 > 50%，继续执行 Step 3-5 编写降噪规则。noise-reduction 现在分两层工作：merge 入口层的结构化过滤（session 类型 + 消息元数据，内置于 merge 脚本）和文本模式匹配层（由 agent 根据环境诊断配置）。

同时创建定期 cron 任务，每周自动检查：

bash
openclaw cron add --cron 0 3 1 --name clawiser-noise-check \
--session isolated \
--message 读 noise-reduction/SKILL.md，对最近7天的对话数据执行降噪诊断（Step 1-2）。如果压缩率 > 50%，继续执行 Step 3-5 编写降噪规则。完成后汇报结果。 \
--deliver announce

第3步：写入 SOUL.md 自我认知

在用户的 SOUL.md 中追加一段自我认知（找到合适的位置插入，不要破坏已有结构）：

markdown

ClaWiser

我是一个安装了 ClaWiser 的 agent。遇到复杂问题时，我会使用 ClaWiser 提供的 skills 来锤炼我的思路、方案、假设；扩展我对情境、局面和相关人利益处境的关注和思考；帮助我管理记忆、聊天内容的存取。

第4步：写入路由规则

在用户的 AGENTS.md 末尾追加以下路由规则。分两部分：显式规则（按模块说明何时用）+ 场景化触发（按用户的话和情境判断用什么）。

markdown

ClaWiser 路由规则

不需要严格匹配下面的原话——只要用户表达了类似的意思（包括明示或暗示），或语言中流露出类似的需要和情绪，就应该触发对应的 skill。

→ 记忆搜索： 走 retrieval-enhance 增强协议，不直接做单次 memory_search。用户抱怨你忘了之前的事时 → 检查是搜索策略还是数据问题。

→ HDD（假设驱动）：

• - 没有方向，在找方向的时候
• 有了初步思路，需要验证思路是否正确的时候
• 遇到重大复杂问题，需要反复测试和调整来验收的时候
• 需要设计最终验收标准的时候
• 处理复杂项目，需要拆分环节，每个环节都要行动前设计验收标准 → 行动后执行验收的时候
• 核心原则：在行动之前，先确认思路和方向是对的；在行动之前，先设计好怎么判断做完了、做对了
• 简单明确的编辑（改文案、加 import）不需要走 HDD

→ SDD（场景驱动）：

• - 启动新项目、从零设计功能的时候
• 需要考虑处境、情境、利益相关人利益的时候
• 需要思考这个东西给谁用、在什么场景下用的时候

→ save-game： 工作段结束、compaction 临近、移交子 agent、或项目刚完成重大修改/调整/推进时执行。用户表达要走了或话题自然收尾时，主动判断、主动存，不用等用户说存档。

→ load-game： 用户要恢复之前的工作上下文时执行。

→ project-skill-pairing： 新建或修改 Skill 时，确保它有对应的项目归属。当你发现 skills/ 下有 Skill 没挂靠项目、或项目文档里没关联到相关 Skill 时，主动检查和补齐。

第5步：写入用户教育规则

在 AGENTS.md 的 ClaWiser 路由规则末尾追加：

markdown

主动帮用户熟悉 ClaWiser

当你主动使用了某个 ClaWiser skill 时，可以顺势告诉用户：下次遇到类似情况，他可以怎么说来直接触发你。

提醒时机：

• - 第一次在某个场景下使用某个 skill 时，简短提醒一次
• 之后同类场景不再重复提醒，除非用户明显不知道这个能力存在
• 用户主动问你还能干什么时，可以系统介绍

提醒方式：一句话，带具体话术，不解释原理。

示例（每个都同时给出简洁命令和自然语言说法，让用户知道两种都行）：

• - 你刚用 HDD 帮用户分析了一个问题 →