OpenClaw 经验提炼器

解决什么问题

AI 在长会话中常会出现报错、回滚、多次试错，最终却自行解决。传统记录方式往往把失败过程和成功结果混在一起，后续任务再遇到类似问题时，很难直接复用真正有效的路径。这个技能的目标是把“最终怎么成功的”从噪声里抽出来，沉淀为可检索的经验条目。

核心机制

技能围绕 OpenClaw 的会话压缩与 Hook 工作。长会话触发 compaction 后，压缩摘要会过滤冗余细节，适合作为经验提取素材。技能会从摘要中识别错误关键词与最终成功状态，判断是否属于“遇错自愈”模式。

• 手动触发：用户要求“总结成功经验”后，回顾会话或读取摘要，生成 success/ 下的 Markdown 文件，并更新 success/index.xlsx。
• 自动触发：通过 session:compact:after 和 command:new / command:reset 事件，在会话压缩或重置后自动检查并写入经验。
• 查询复用：复杂任务前读取 success/index.xlsx，按关键词或场景匹配已有路径；命中则复用，未命中则正常执行并在完成后记录新经验。
• 信息归档：会议纪要、关键决策、重要配置等写入 import/important-records.xlsx，保留类型、标题、摘要、日期与状态等字段。

使用边界

该技能更适合有持续会话、错误恢复和重复任务场景的 Agent 工作流。它依赖 OpenClaw 的压缩配置与 Hook 安装，且需要模型能读写 success/、import/ 目录与索引文件。由于只保留成功路径，它不是失败案例库；若压缩摘要缺少关键上下文，提炼结果也会受限。