任务处理
任务处理
技能简介
为OpenClaw智能体设计的完整记忆系统，整合行为协议、自动捕获、关键词搜索与维护功能，解决上下文压缩导致的遗忘问题。
业务背景
解决智能体长会话中的记忆断层问题。通过自动捕获关键事实与决策、建立可检索的记忆库，确保跨会话的业务连续性，减少重复沟通成本，特别适用于客户跟进、项目管理和长期咨询服务等需维持上下文的场景。
落地案例：客户经理使用OpenClaw跟进年度大项目时，系统自动将每轮沟通中的交付承诺、变更需求和决策要点存入记忆库；三个月后客户重启谈判，输入"Q3价格调整"关键词即可调出相关片段，结合热上下文文件快速掌握历史状态，无需翻阅原始记录即可无缝续谈。
能做什么
- 在会话间保持关键信息不丢失
- 自动捕获对话中的事实与决策
- 通过关键词快速检索历史讨论
- 维护热上下文文件（SESSION-STATE.md）
- 生成自动更新的近期要点摘要
使用说明
安装步骤：
- 复制模板文件到工作目录：
cp skills/memory/references/SESSION-STATE.md ./
cp skills/memory/references/RECENT_CONTEXT.md ./ - 将记忆协议写入AGENTS.md，强制要求：回应上下文问题前先运行recall.py，实质性对话后运行capture.py
- 在HEARTBEAT.md中添加自动捕获规则，每次心跳检查是否有新内容需要保存
核心命令：
- 捕获事实：
python3 scripts/capture.py --facts "具体事实1" "具体事实2" - 检索记忆：
python3 scripts/recall.py "查询内容" - 维护整理：
python3 scripts/consolidate.py
输入与输出
见下方输入与输出表格。
| 项目 | 内容 |
|---|---|
| 输入 | 用户对话文本、查询关键词、事实描述、时间范围参数（可选） |
| 输出 | 匹配的记忆片段（含时间戳和相关性评分）、SESSION-STATE.md更新、RECENT_CONTEXT.md更新、MEMORY.md长期存储、维护统计报告 |
| 适用人群 | 需要跨会话保持上下文的OpenClaw智能体、频繁处理长期项目的对话场景、需要记录用户偏好和决策的助手 |
| 不包含 | 语义向量搜索（计划中）、自动上下文注入（需手动调用recall）、云端同步功能、多智能体共享记忆 |
风险提示
- 依赖关键词匹配，非语义搜索
- 需要严格遵守协议才能生效
- 检索结果不会自动注入上下文，需手动调用
- 长期未维护可能导致数据膨胀
来源信息
原始链接：https://github.com/openclaw/skills/tree/main/skills/rosepuppy/memory-complete/SKILL.md
来源类型：GitHub仓库
数据统计
相关导航
暂无评论...