智能体持久记忆

技能简介

Penfield为OpenClaw智能体提供持久化记忆能力，支持跨会话保存决策、偏好和上下文信息。通过BM25+向量+图结构的混合搜索，实现知识的长期积累与精准召回。

业务背景

为智能体赋予"长期记忆"能力，打破会话隔离的局限。业务人员与AI协作时，无需反复交代背景偏好，系统能自动召回历史决策依据和学习成果，实现跨任务、跨代理的连续服务体验，降低沟通成本，提升复杂项目的处理连贯性。

落地案例：企业部署OpenClaw处理客户咨询：首次会话记录客户预算约束和技术偏好，后续任意代理接手时通过混合搜索即时调取；长周期项目设置检查点保存中间结论，换班交接无信息断层。BM25+向量+图谱的三重检索确保即使描述方式变化也能精准命中关键记忆。

能做什么

• 存储用户偏好、项目决策和学习成果，断电不丢失
• 构建可遍历的知识图谱，连接相关记忆形成理解网络
• 混合语义搜索：关键词匹配+向量相似度+图关系联合召回
• 保存会话检查点，支持多代理间工作交接
• 分析记忆模式，发现主题趋势与信息缺口
• 管理代码、文档等工作产物（Artifacts）

使用说明

安装指令：

npm install -g openclaw-penfield

需在配置中启用插件：plugins.entries.openclaw-penfield.enabled

核心操作流程：

1. 使用penfield_store保存记忆，建议添加[分类前缀]和具体背景
2. 需要上下文时调用penfield_recall进行混合搜索
3. 用penfield_connect将新记忆关联到现有知识节点
4. 长任务结束前执行penfield_save_context创建检查点
5. 后续会话通过penfield_restore_context恢复现场

记忆质量要点：避免”用户喜欢Python”这类模糊记录；应写为”[偏好]用户倾向Python做后端，因JS回调模式困扰且重视类型安全，使用FastAPI搭建接口”。

输入与输出

见下方输入与输出表格。

风险提示

• 记忆内容质量直接决定系统可用性，低质量记录将导致检索失效
• 重要性评分需使用完整区间（非全部0.5），否则影响过滤效果
• 敏感信息存储前需评估隐私合规要求
• 知识图谱过度连接可能降低查询性能
• 检查点恢复依赖存储介质可用性

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/dial481/penfield/SKILL.md
来源类型：GitHub仓库