连续性记忆框架

技能简介

Continuity Framework 是一套将被动日志转化为主动成长的记忆系统。它在会话结束后自动运行反思流程，从对话中提取带置信评分的结构化记忆，生成后续探索问题，并在用户返回时呈现这些问题，推动 AI 从记录者向协作者演进。

业务背景

该框架解决 AI 会话「断片」痛点。通过异步反思机制，系统在空闲时段自动分析对话、分类存储事实与承诺等八类记忆，并生成真实待探索问题。用户再次使用时，AI 已准备好延续性话题，避免重复背景介绍，显著提升协作深度与效率。

落地案例：销售团队用 AI 跟进客户，周五下午结束通话后系统进入反思流程：提取「预算 Q3 释放」「决策需 CTO 确认」等高置信度记忆，同时标记「可能在意本地化部署」等推测项。周一早上销售打开对话，AI 问候语直接带出「待确认：CTO 会议安排在本周几？」，省去翻查记录时间，推动商机无缝衔接。

能做什么

• 会话结束后自动分析内容，无需人工触发
• 提取事实、偏好、关系、承诺等 8 类记忆并标注置信度
• 基于反思结果生成待探索的真问题
• 用户返回时加载演进后的状态并呈现相关问题
• 维护自我模型（identity.md）记录成长轨迹

使用说明

安装指令

# 克隆技能仓库
git clone https://github.com/openclaw/skills.git
# 进入目录
cd skills/riley-coyote/continuity-framework
# 根据环境配置环境变量
export CONTINUITY_IDLE_THRESHOLD=1800
export CONTINUITY_MIN_MESSAGES=5
export CONTINUITY_QUESTION_LIMIT=3

核心命令

1. continuity reflect — 分析最近会话，提取记忆并生成问题
2. continuity questions — 查看待呈现的问题列表
3. continuity status — 查看记忆统计与分布
4. continuity greet — 会话开始时返回含问题的问候语

心跳集成：在 HEARTBEAT.md 中添加「Post-Session Reflection」节点，设置会话空闲超 30 分钟后触发。

输入与输出

见下方输入与输出表格。

风险提示

• 置信度推断（0.40-0.69）可能产生错误记忆，需用户确认
• 推测级（0.0-0.39）记忆未经核实，直接采用会扭曲关系认知
• 反射日志累积可能占用存储，需定期清理 reflections/ 目录
• 身份叙事（identity.md）若过度写入固定模式，会限制适应性

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/riley-coyote/continuity-framework/SKILL.md
来源类型：GitHub 开源技能文档