返回顶部
m

memory-system记忆系统

完整记忆系统 - 四类记忆分类 + AutoDream自动整合 + MiniMax LLM驱动 + Feedback双向记录

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 2.0.1
安全检测
已通过
94
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

memory-system

记忆系统 🧠

完整记忆系统 - 四类记忆分类 + AutoDream 自动整合 + MiniMax LLM 驱动 + Feedback 双向记录

版本: 2.0.0 | 作者: 团宝 (openclaw)



核心特性


特性说明
📁 文件系统存储纯 Markdown,无数据库,可直接编辑
🔍 语义搜索
Ollama 向量搜索 + 关键词降级 |
| ⚡ 自动加载 | 会话启动时自动读取相关记忆 |
| 📝 四类记忆 | User / Feedback / Project / Reference |
| 🔄 Feedback 双向 | 纠正 (negative) + 确认 (positive) |
| 🌙 AutoDream | 定时自动整合,MiniMax LLM 驱动 |
| 💾 智能 Flush | 上下文接近阈值时自动保存 |


AutoDream:自动记忆整合

工作原理

定时触发 (每天 22:00) 或 手动触发

扫描所有记忆文件 + 会话历史

调用 MiniMax LLM 分析

自动执行整合:
- 新增遗漏的记忆
- 删除过时的记忆
- 更新 MEMORY.md 索引

通知用户整合结果

触发条件

条件默认值说明
时间间隔≥ 24 小时距离上次整合的时间
新会话数
≥ 3 个 | 新增的会话数 |

整合能力

  • - ✅ 扫描现有记忆文件
  • ✅ 识别过时信息
  • ✅ 合并重复记忆
  • ✅ 更新 MEMORY.md 索引
  • ✅ 使用绝对日期
  • ✅ 四类记忆分类

四类记忆分类

1. User(用户)记忆

作用域: 私密 用途: 了解用户角色、偏好、知识背景

markdown

user/李明.md


  • - 民盟上海市委宣传部副部长
  • 技术背景:AI、编程
  • 偏好:简洁回复,中文为主

2. Feedback(反馈)记忆 ⭐

作用域: 私密 / 团队 用途: 记录用户的纠正和确认

markdown

feedback/开发规范.md


集成测试必须用真实数据库


Type: negative
Why: 上季度mock测试通过但生产迁移失败
How to apply: 禁止在集成测试中 mock 数据库层
Date: 2026-03-15

单PR优于多个小PR

Type: positive Why: 拆分反而造成不必要的开销 How to apply: 重构类需求优先合并为大PR Date: 2026-03-20

3. Project(项目)记忆

作用域: 团队 用途: 项目进展、目标、决策

markdown

project/民盟宣传系统.md


  • - 阶段:二期开发
  • 目标:6月底前完成
  • 当前:AI播客监控系统

4. Reference(引用)记忆

作用域: 团队 用途: 外部系统入口

markdown

reference/工具入口.md


  • - Bug追踪:Linear 项目 MINMENG
  • 文档:Confluence /minmeng-space



安装

bash
clawhub install memory-system



工具列表

memory_search

语义搜索记忆

json
{
query: 用户对代码规范的偏好,
type: feedback,
topK: 5
}

memory_write

写入记忆(写入后自动检查是否触发 AutoDream)

json
{
file: feedback/dev-rules.md,
content: ### 集成测试...\nType: negative...,
type: feedback,
mode: append
}

memory_flush

手动触发持久化

json
{ force: true }

memory_dream

执行 AutoDream 整合

json
{ force: false }

  • - force: false - 检查条件,满足后执行
  • force: true - 强制立即执行

memorydreamstatus

查看整合状态

json
{}

返回:
json
{
enabled: true,
lastDream: 2026-03-30T22:00:00Z,
hoursSince: 21.5,
sessionsSinceLast: 5,
totalMemoryFiles: 32,
nextTrigger: 已达时间条件
}



配置

json
{
skills: {
memory-system: {
memoryDir: ~/.openclaw/workspace/memory,
flushMode: safeguard,
softThresholdTokens: 300000,
vectorEnabled: true,
embeddingModel: nomic-embed-text,
autoDream: {
enabled: true,
minHours: 24,
minSessions: 3,
apiKey: env:MINIMAXCODINGAPI_KEY
}
}
}
}



目录结构

memory/
├── MEMORY.md # 索引文件
├── .auto-dream-state.json # 整合状态
├── user/ # 用户记忆
│ └── [用户ID].md
├── feedback/ # 反馈记忆
│ ├── positive/ # 正面确认
│ └── negative/ # 纠正指导
├── project/ # 项目记忆
│ └── [项目名].md
├── reference/ # 引用记忆
│ └── external.md
└── sessions/ # 会话历史
└── [日期].json



与 HEARTBEAT 集成

AutoDream 与 OpenClaw HEARTBEAT 深度集成:

markdown

🌙 AutoDream 记忆整合 (每天 22:00)


  • - 自动检查触发条件
  • 静默执行,无变化时通知
  • 手动触发:说执行记忆整合



最佳实践

保存时机

类型保存时机示例
User了解用户信息我是数据科学家
Feedback
用户纠正/确认 | 不要那样做 / perfect | | Project | 了解项目动态 | 在做X项目 | | Reference | 发现外部资源 | bug在Linear跟踪 |

格式规范

markdown

[标题]


Type: negative | positive
Why: [原因]
How to apply: [何时应用]
Date: YYYY-MM-DD

索引规范

  • - 每条索引 <= 150 字符
  • 使用绝对日期
  • 按 user / feedback / project / reference 分类

技术架构

memory-system (v2.0.0)
├── src/
│ ├── index.ts # 入口 + 工具注册
│ ├── search.ts # 向量/关键词搜索
│ ├── write.ts # 写入 + 触发检查
│ ├── get.ts # 读取
│ ├── flush.ts # 内存持久化
│ ├── autoLoad.ts # 自动加载
│ ├── embed.ts # 向量嵌入
│ └── autoDream.ts # AutoDream LLM整合
└── HEARTBEAT.md # 定时触发集成



版本: 2.0.0 | 更新: AutoDream 与记忆系统深度整合

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 memory-system-pro-v2-1775914272 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 memory-system-pro-v2-1775914272 技能

通过命令行安装

skillhub install memory-system-pro-v2-1775914272

下载

⬇ 下载 memory-system v2.0.1(免费)

文件大小: 28.91 KB | 发布时间: 2026-4-12 10:34

v2.0.1 最新 2026-4-12 10:34
v2.0.1: 修复Critical问题 - memory_write触发检查/HEARTBEAT hook/新增文件内容

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部