Agent Skills
返回列表
OpenClaw 记忆大师

OpenClaw 记忆大师

AI Agent 更新于 2026.08.30

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_c09df3d4/openclaw-memory-master。

技能介绍

要解决的问题

AI Agent 在多轮协作中容易丢失关键上下文，或把低价值内容全部塞进 memory。直接依赖向量检索会出现近义混淆、缺少实体关系，而长期记忆又会带来 token 成本、重复条目和不可追溯的问题。这个技能面向需要在本地或插件中维护可复用记忆的 Agent 工作流，重点解决记忆分层、检索融合、内容治理和运行监控几个工程问题。

技能如何工作

OpenClaw Memory Master 将记忆划分为 L0 Hot、L1 Warm、L2 Cold、L3 Archive 四层，并尝试用 GraphRAG Fusion 组合向量、图谱和关键词检索。核心步骤包括：

  • 智能整理：自动分类、打标签、语义去重、重要性评分和关系发现。
  • 情绪智能：识别主次情绪、强度、趋势、触发模式，输出可用于角色或客服场景的洞察。
  • 监控与压缩：记录延迟、缓存命中、内存占用，支持阈值告警、报表和健康评分；同时使用 AAAK 压缩、异步批处理、预加载和选择性压缩降低检索成本。
  • 插件架构：通过 Analyzer、Filter、Export、Integration、Visualization 等插件扩展能力，适合接入已有 Agent 服务。

适用边界

资料标注 v4.3.0 仍为 In Development，智能整理、情绪智能、监控、插件架构等增强能力可能在迭代中。若用于生产，需要重点验证去重准确性、图谱质量、压缩后的信息丢失、权限边界和长期记忆安全。它更适合做 Agent 的记忆中间层，而不是替代业务数据库或身份系统。

使用场景

  • 为长周期客服 Agent 维护多轮会话记忆，用 L0/L1 分层存储热点上下文并归档旧记录。
  • 在售后支持系统中对历史工单做语义去重和标签聚类，把相似问题合并成可检索的知识条目。
  • 用 GraphRAG 融合向量与关键词检索，回答涉及实体关系的复杂提问，如客户-订单-退款路径。
  • 为 Agent 记忆库配置延迟、缓存命中和内存告警，定期生成性能报表并检查健康评分。

适合人员

  • 负责客服 Agent 记忆模块的工程师，需要把多轮对话中的高价值信息从噪声里筛出来并分层存储。
  • 构建企业知识库问答的开发者，需要用向量、关键词和实体关系混合检索回答跨对象问题。
  • 运营智能体的产品经理，需要监控记忆库延迟、缓存命中和内存占用，并定期看性能报表。
  • 做角色模拟或情绪支持的创作者，需要识别用户主次情绪、强度变化和触发模式。