返回顶部
o

openclaw-dream记忆整理

Automatic memory consolidation for OpenClaw agents. Cleans, deduplicates, and organizes memory files (MEMORY.md + memory/*.md) like human REM sleep consolidates memories. Triggers: 'dream', 'consolidate memory', 'tidy memory', 'clean up memory', '整理记忆', '记忆整理', or automatically via cron/heartbeat. Use when memory files have accumulated noise, contradictions, stale dates, duplicates, or exceed manageable size.

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.0
安全检测
已通过
100
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

openclaw-dream

OpenClaw Dream

自动记忆整合——将零散的日常笔记转化为清晰、有序的长期记忆。

概述

记忆文件会随时间积累噪声:相对日期失去意义、矛盾条目混淆智能体、重复内容浪费上下文、过时信息导致幻觉。Dream 通过执行结构化的整合流程来解决这些问题。

何时运行

  • - 手动:用户说dream、整理记忆、consolidate memory
  • 定时任务:通过 openclaw cron add 设置每日执行(建议凌晨 3-4 点)
  • 心跳任务:作为周期性任务添加到 HEARTBEAT.md(每 3-5 天)
  • 条件检查:仅在 memory/.last_dream 超过 24 小时且上次运行后有新的日常笔记时执行

执行方式

始终作为子代理运行,避免阻塞主会话:

sessions_spawn:
task: 运行 openclaw-dream 整合。首先阅读 skills/openclaw-dream/SKILL.md 中的技能说明。
mode: run
model: sonnet # 使用较便宜的模型

在主会话中手动触发时,启动子代理,回复用户开始整理记忆,稍后汇报结果,然后让出控制权。

四阶段整合

阶段 1:扫描

  1. 1. 读取 MEMORY.md — 记录当前行数、章节标题、最后更新日期
  2. 读取过去 14 天内所有 memory/YYYY-MM-DD.md 文件
  3. 读取 memory/self-improving/*.jsonl(如果存在)(错误/修正/最佳实践/决策日志)
  4. 读取 .last_dream 时间戳,了解已处理的内容
  5. 构建思维导图:存在哪些主题、哪些是新的、哪些已过时

阶段 2:分析

扫描所有内容,查找以下问题:

相对日期 — 查找昨天、今天、上周、最近、刚才、昨天、上周等短语。根据文件日期交叉引用,计算绝对日期。

矛盾内容 — 不同文件中同一主题存在冲突结论。例如:

  • - 一个文件中写API 使用 Express,另一个文件中写已迁移到 Fastify
  • 不同日期同一产品的不同定价数字

重复内容 — 多条日常笔记中记录了相同的事实。例如:

  • - 三个不同文件都记录了相同的构建命令或部署步骤

过时条目 — 关于已不存在事物的信息:

  • - 引用已删除文件或已弃用 API
  • 已完成任务仍标记为进行中
  • 已解决问题仍列为未关闭

未处理的 JSONL 模式 — 自我改进日志中高频出现的错误或修正,应成为 MEMORY.md 中的规则

尚未纳入 MEMORY.md 的重要事件 — 日常笔记中值得长期保留的重大决策、经验教训或变更

阶段 3:整合

按此顺序执行修复:

  1. 1. 日期绝对化:将相对日期替换为绝对日期
- 昨天我们决定 X(在 2026-03-15.md 中)→ 2026-03-14:决定 X - 保留原始含义;仅更改日期引用
  1. 2. 矛盾解决:保留最新条目,删除或标记旧条目
- 如果旧条目在每日笔记中,添加 [已被 YYYY-MM-DD 取代] - 在 MEMORY.md 中,直接更新为最新事实
  1. 3. 重复合并:整合为一个规范条目
- 保留最完整/详细的版本 - 如相关,注明日期范围(首次记录于 YYYY-MM-DD)
  1. 4. 过时清理:删除或归档关于已不存在事物的条目
- 标记已完成项目并注明完成日期 - 删除对已删除文件/配置的引用
  1. 5. JSONL 提炼:从自我改进日志中提取模式
- 出现 ≥2 次的错误 → 在 MEMORY.md 的经验教训部分添加规则 - 重要决策 → 添加到 MEMORY.md 的相应部分 - 更新 memory/self-improving/.last_distill 时间戳
  1. 6. 日常笔记 → MEMORY.md 提升:识别值得长期保留的重要项目
- 重大决策、架构变更、新集成 - 人员/关系更新 - 经验教训 - 不要提升常规操作日志

阶段 4:写入

  1. 1. 更新 MEMORY.md
- 应用阶段 3 的所有更改 - 保持总行数在 250 行以下(接近时发出警告) - 更新底部的 最后更新 日期 - 保留现有章节结构(除非必要,否则不重新组织)
  1. 2. 重建向量索引
bash openclaw memory index --force
  1. 3. 在 memory/dream-log-YYYY-MM-DD.md 生成梦境日志:
markdown # 梦境日志 YYYY-MM-DD

## 所做更改
- [日期修复] 3 个相对日期转换为绝对日期
- [矛盾] 删除过时的 Express 引用(已被 Fastify 迁移取代)
- [重复] 合并 2 条重复的构建命令条目
- [过时] 将 ChatClaw 第二阶段标记为已完成
- [提升] 将 RhinoRank 订单跟踪添加到 MEMORY.md
- [提炼] 从错误日志中添加 1 条新规则

## MEMORY.md 统计
- 行数:119 → 128
- 章节:8(未变)

## 已跳过
- 5 条仅包含常规操作日志的日常笔记(无需操作)

  1. 4. 更新时间戳
bash date -u +%Y-%m-%dT%H:%M:%SZ > memory/.last_dream

安全规则

  • - 绝不删除日常笔记文件 — 仅修改 MEMORY.md 并生成梦境日志
  • 绝不修改源代码、配置文件或非记忆文件
  • 保留 MEMORY.md 中所有 📌 固定条目(以 📌 开头的行永不删除)
  • 对不确定的矛盾,保留两个条目并在梦境日志中标记为需要人工审核
  • 梦境日志仅可追加 — 绝不修改过去的梦境日志

配置

用户可以在工作区根目录创建 DREAM.md 来自定义行为:

markdown

DREAM.md

设置

  • - maxmemorylines: 250
  • lookbackdays: 14
  • minhoursbetweendreams: 24

受保护章节

  • - 经验教训
  • 关于 River
  • Agent 网络

自定义规则

  • - 始终保留定价/计费相关条目
  • 合并重复的 API 端点引用

如果 DREAM.md 不存在,则使用上述默认值。

定时任务设置示例

bash
openclaw cron add \
--id dream-nightly \
--schedule 0 3 * \
--task 运行 openclaw-dream 记忆整合。阅读 skills/openclaw-dream/SKILL.md 并遵循阶段 1-4。 \
--model sonnet \
--isolated

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 openclaw-dream-1775957710 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 openclaw-dream-1775957710 技能

通过命令行安装

skillhub install openclaw-dream-1775957710

下载

⬇ 下载 openclaw-dream v1.0.0(免费)

文件大小: 9.72 KB | 发布时间: 2026-4-13 11:18

v1.0.0 最新 2026-4-13 11:18
Initial release: 4-phase memory consolidation (scan, analyze, consolidate, write). Automatic cron scheduling, customizable via DREAM.md.

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