多身份智能知识体系

要解决什么问题

如果你用多个 Agent 身份（工作、学习、写作等），对话里的复盘、方法论和决策理由往往散落在各会话里，跨身份检索和长期沉淀很难做。本技能在本地（默认 ~/.openclaw/memory/）维护一层共享记忆，用 Python 标准库脚本 scripts/memory_kb.py 统一读写，不依赖外部服务。

核心能力与工作方式

围绕六类操作组织：store 写入、query 检索、list 按维度浏览、link 关联两条记忆、reflect 按周/月生成回顾素材、recalc-importance 按检索与关联频率等重算重要度（需在 references/CONFIG.md 启用）。

智能体侧的重点是语义触发，而不是死盯关键词：从对话里识别经验提炼、方法论总结、认知突破、决策记录等特征，再按复用价值 / 独特性 / 可操作性过滤闲聊与重复内容；敏感度可在 references/CONFIG.md 设为 low / medium / high。

写入时自动或半自动补齐 persona、category、tags、type（枚举见 references/TAXONOMY.md），并可检查相似记忆建议关联。检索时根据意图构造 q、时间范围（如 7d）、身份与标签过滤，结果应在对话里自然叙述，而不是甩格式化列表。

边界与注意点

• store 宜在对话间隙静默确认，避免打断主流程；超长内容需拆分（正文通常 20～2000 字符）。
• reflect 的叙述摘要由智能体生成，非事实性推断应向用户标明。
• 索引异常时可重建索引；字段与索引结构以 references/DATA_MODEL.md 为准。