技能介绍

解决什么问题

Agent 每天会积累大量内部工作材料：MEMORY.md、memory/*.md、会话记录、报告文件、日报和任务执行结果。这些材料常常按时间线性堆叠，真正有复用价值的规则、决策模式、失败瓶颈容易被埋在流水账里。knowledge-distillation 处理的是这个具体问题：从 OpenClaw 内部材料中蒸馏出值得保留的新知识，以及还需要继续观察的线索。它不做通用摘要，也不把所有记录都升格为结论。

如何工作

技能把输入分成几类来源，例如长期记忆、近期记忆、会话过程证据、报告和分析产物，并优先关注跨多份材料反复出现的信号。随后提取候选模式，如重复观察、用户偏好、稳定工作规则、决策模式、成功或失败流程、反复出现的瓶颈、新概念或框架。

关键判断在“稳定知识”和“待深化线索”之间：只有跨天/跨会话重复、影响真实决策、有明确复用价值或足够具体可指导行动的点，才会进入 New Knowledge Points；证据不足、存在冲突、需要补充案例的内容则进入 Knowledge Leads Worth Deepening。每个点都会附简短 basis，说明来源类型、出现次数或置信度，并要求对可深化项给出下一步动作，如继续观察、对比旧会话、补一个案例、转成 workflow 规则。

适用边界

它适合 OpenClaw 环境中的记忆、会话和报告蒸馏，输出为 knowledge-distillation-YYYY-MM-DD.md 这类日期 Markdown 文件。若输入只是零散闲聊、缺少重复证据或跨来源支撑，不应强行产出“知识点”。没有足够新知识时，应明确说明，而不是用背景描述填充结论。