Agent Skills
返回列表
1368元神记忆系统

1368元神记忆系统

AI Agent 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_a960edb7/1368originmemory。

技能介绍

智能体为什么缺「昨天」

多数助手每次会话都从空白上下文开始:项目背景要重讲、偏好要再确认,决策依据也散落在聊天记录里,难以按时间或语义回溯。1368 元神记忆系统(v2.2)面向 OpenClaw 智能体,把「完整留档 + 分层理解 + 可检索」做成一套本地目录与脚本流水线,而不是依赖单次对话窗口里的摘要。

系统如何组织记忆

概念上对应 1 元 3 维 6 层 8 面体:

  • 一元(L0):会话结束后把对话 1:1 写入 memory/1368-memory/L0_raw/{agent}/,保留最原始证据链。
  • 三维提炼:l123_extractor.py 从 L0 生成 L1 决策、L2 场景、L3 画像,便于先看结论再看原文。
  • 六层链路:系统会话 → L0 存档 → L1/L2/L3 提取 → build_index_1368.py 构建向量索引,供 vector_search.py 做语义检索。
  • 双索引:各层记忆索引与配套知识库索引协同,减少「只会关键词匹配」的漏检。

落地时常见脚本包括:l0_watcher.py 监听新会话、l0_import.py / migrate_history.py 导入历史、split_large_files.py 与 l0_split_merge.py 处理大文件与分片、config_wizard.py / install_wizard.py 做配置与安装、health_check.py 检查 OpenClaw 进程、Watcher、各层写入与索引状态。

写入位置由 memory/1368-memory/L123_cursor.json 追踪,避免重复处理同一 L0;L1/L2/L3 在未满阈值时 追加 到当前文件,满阈值则 序号 +1 新建(命名如 L1_{日期}_{序号}_{agent}.md)。文档中支持多 agent 目录(如 main、xiaodai 等),便于多角色协作共用一套记忆树。

适用边界与注意点

  • 这是 记忆基础设施:检索质量依赖索引构建、提取规则与本地资源;不是「装上就自动理解一切」的魔法层。
  • 记忆迁移在资料中标注为规划中,换机/多设备同步需以当前版本能力为准。
  • 不同服务器(如文档提到的 Hermes 4GB 环境)需要单独适配路径与资源,部署前建议先跑 health_check.py 确认 Watcher 与各层写入正常。

使用场景

  • OpenClaw 主智能体连续跑数周后,你要问「上周某客户项目进展」,需靠 L2 场景定位再回溯 L0 原文核对细节
  • 用户声称「之前已确认用某技术方案」,你要在 L1 决策层查到当时记录并向其展示依据
  • 换服务器或重装环境前,用 `l0_import.py` / `migrate_history.py` 把历史会话导入 `L0_raw` 并重建索引
  • 多角色 agent(如 main、小助)并行服务时,需统一落在 `memory/1368-memory/` 下并按 agent 分目录留档与检索

适合人员

  • 长期自托管 OpenClaw、需要跨会话保留项目背景与承诺、不愿每次对话重讲一遍的运维/实施
  • 负责多智能体分工(主 agent + 专岗小助)且要对决策与场景做可追溯审计的团队负责人
  • 要把存量聊天记录一次性导入 L0 并跑 `l123_extractor.py` 生成 L1/L2/L3 的集成工程师
  • 在 Hermes 等内存紧张机器上部署记忆流水线、部署后习惯用 `health_check.py` 确认 Watcher 与索引正常的人