记忆管理器
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 @org-eyw2ohcx/sundial-org-awesome-openclaw-skills-memory-manager。
技能介绍
上下文丢在哪
很多 Agent 把对话和笔记堆在 memory/*.md 里:时间一长就难按时间复盘、难按主题查事实、也难复用固定流程。扁平目录检索等价于关键词扫文件,和分层记忆架构相比,业界报告里结构化做法在检索上往往更占优——本技能要解决的是怎么存、怎么分、什么时候该压缩。
技能在做什么
它落地 情景(Episodic)/ 语义(Semantic)/ 程序(Procedural) 三级目录:
- 情景:
memory/episodic/YYYY-MM-DD.md,按日记录「发生了什么」 - 语义:
memory/semantic/topic.md,沉淀去重后的概念与事实 - 程序:
memory/procedural/process.md,保存可复用的步骤型流程
配套 shell 脚本覆盖完整运维环:init.sh 初始化结构,detect.sh 评估上下文占用并在约 70% 告警、85% 关键时提示先做 snapshot.sh,organize.sh 把旧扁平文件迁入对应层级(原文件落在 memory/legacy/),search.sh 按记忆类型检索,stats.sh 看各层体量与增长。v1.0 以关键词搜索和半自动归类(日期→情景、事实模式→语义、步骤文本→程序)为主,也支持 categorize.sh 手工覆盖。
适用边界
- 存储是本地可读 Markdown,不依赖外部向量库,适合离线、可审计、零 API 成本的场景。
- 不是 v1.0 里的知识图谱检索或 embedding 自动分类(路线图里标在后续版本)。
- 多 Agent 共享记忆、实时压缩预测等也在 roadmap,当前以单机文件体系与阈值监控为主。
使用场景
- 长期运行的 OpenClaw 类 Agent 需要按日期回溯「上周二做过哪些操作」
- 把对话里反复出现的支付校验规则沉淀到 `memory/semantic/` 便于主题检索
- 将「在 Moltbook 发布技能」等固定步骤写入程序记忆供下次照搬
- 扁平 `memory/*.md` 膨胀后运行 `detect.sh` 判断是否要 organize 或先 snapshot
适合人员
- 自托管 Agent 的工程师,要求记忆文件本地可读、可 diff、不绑云向量库
- 维护 openclaw/RealQ 技能链路的开发者,需要把零散笔记迁成三级目录
- 编写长期任务型 Bot 的作者,要在上下文接近上限前用阈值脚本做 snapshot
- 注重隐私的团队,希望「记忆=身份」数据留在本机 Markdown 里