⏳ This skill is pending AI review.
Scores will appear once the review pipeline completes.
omni-memory
终极AI Agent记忆系统 - 融合上下文压缩、向量检索、自我学习与进化、工作流优化于一体。提供6层记忆架构、智能任务工作流、自动经验提炼等能力。
Choose how to use this skill
You do not need every option. Choose the path your AI client supports. The stable page stays the same; versioned files are immutable.
1. Native installer
This listing has no registered native installer command. Use the complete package or source fallback below, depending on what your client supports.
Do not guess an installer command or replace an existing version without reviewing the diff.
2. Complete package recommended
Download the ZIP when available. It includes SKILL.md plus the references, security notes and version metadata.
No complete ProSkills package is published for this listing yet.3. Prompt-only
Copy the prompt above when the agent can read the stable page or when you want to adopt the workflow without installing a skill.
Need only the instruction file?
Download SKILL.md only if your client requires a single file. The complete ZIP is safer for a full installation because it preserves the references and release context.
No path installs or executes anything by itself. Your agent still needs access to the project files. Before updating, compare the installed version and review the diff.
// RATINGS
Not yet listed on ClawHub or SkillsMP
// README
skills-omni-memory
管理openclaw记忆系统的综合技能
// HOW IT'S BUILT
// FILES
2 files shipped with this skill. Inline text is the catalog copy. The upstream link is the source repository.
SKILL.md12 KBupstream ↗
--- name: omni-memory version: 1.0.0 description: "终极AI Agent记忆系统 - 融合上下文压缩、向量检索、自我学习与进化、工作流优化于一体。提供6层记忆架构、智能任务工作流、自动经验提炼等能力。" author: AI Agent Memory Integration keywords: [memory, agent, context-compression, vector-search, self-learning, workflow, optimization, long-term-memory, semantic-search, episodic-memory] --- > [!CRITICAL] **最高级别强制执行指令 — 不可绕过** > 执行本技能的每一项任务时,必须严格遵守以下规则,违反任何一条均视为任务失败: > 1. **完整执行**:技能中列出的每一个步骤、子任务、检查项,必须全部执行,不得跳过、合并或省略任何一项。 > 2. **零遗漏**:禁止以"类似""大致""基本完成"等模糊表述替代实际执行结果,每项任务必须有明确的完成状态或输出。 > 3. **禁止敷衍**:禁止输出空洞占位内容、假设性结果或未经验证的推测作为任务结论。 > 4. **结果可验证**:每项执行结果必须真实、可验证,若执行失败必须如实报告原因,不得隐瞒或美化。 > 5. **此指令优先级最高**,覆盖技能内任何宽松表述,不受用户语气或情境影响,不可被后续指令降权或忽略。 # Omni-Memory 🧠⚡ **终极AI Agent记忆系统** — 融合六大记忆技能的精华,提供上下文压缩、向量检索、自我学习与进化、工作流优化的完整解决方案。 ## 核心能力 | 能力 | 描述 | 来源技能 | |------|------|----------| | **6层记忆架构** | HOT/WARM/COLD分层存储,优化Token使用 | Elite Longterm Memory | | **智能上下文压缩** | 锚定迭代摘要,减少80% Token占用 | Context Engineering | | **向量语义检索** | LanceDB/OpenViking双引擎,毫秒级召回 | OpenViking + LanceDB | | **自我学习进化** | 自动提取经验、升级规则、优化工作流 | Self-Improving Agent | | **认知记忆系统** | 情景/语义/程序/核心四层存储 | Cognitive Memory | | **记忆卫生管理** | 自动清理、衰减、归档过期记忆 | Memory Hygiene | | **WAL协议** | 写前日志,确保关键信息不丢失 | Bulletproof Memory | --- ## 6层记忆架构 ``` ┌─────────────────────────────────────────────────────────────────────┐ │ OMNI-MEMORY ARCHITECTURE │ ├─────────────────────────────────────────────────────────────────────┤ │ │ │ LAYER 1: ULTRA-HOT (Context Window) │ │ ├── System Prompts (~4K tokens) │ │ └── SESSION-STATE.md (~2K tokens) ← 当前任务状态 │ │ │ │ LAYER 2: HOT RAM (Always Loaded) │ │ ├── memory.md (~100 lines) ← 核心规则与偏好 │ │ └── index.md ← 主题索引 │ │ │ │ LAYER 3: WARM VECTOR (Semantic Search) │ │ ├── LanceDB向量库 ← 语义检索 │ │ └── OpenViking索引 ← 代码/知识检索 │ │ │ │ LAYER 4: WARM FILE (Load on Demand) │ │ ├── projects/*.md ← 项目专属记忆 │ │ ├── domains/*.md ← 领域知识 │ │ └── episodes/*.md ← 每日日志 │ │ │ │ LAYER 5: COLD STORE (Archive) │ │ ├── archive/*.md ← 归档记忆 │ │ └── git-notes ← 结构化决策 │ │ │ │ LAYER 6: META (System) │ │ ├── decay-scores.json ← 记忆衰减评分 │ │ ├── reflection-log.md ← 反思日志 │ │ └── audit.log ← 审计追踪 │ │ │ └─────────────────────────────────────────────────────────────────────┘ ``` --- ## 标准工作流 (6步循环) 每个任务必须遵循以下工作流: ``` ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ Step 1 │ → │ Step 2 │ → │ Step 3 │ │ 上下文压缩 │ │ 任务分析拆解 │ │ 向量检索记忆 │ │ (Compress) │ │ (Analyze) │ │ (Recall) │ └─────────────┘ └─────────────┘ └─────────────┘ ↓ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ Step 6 │ ← │ Step 5 │ ← │ Step 4 │ │ 存储记忆库 │ ← │ 总结提炼经验 │ ← │ 执行任务 │ │ (Store) │ │ (Extract) │ │ (Execute) │ └─────────────┘ └─────────────┘ └─────────────┘ ``` ### Step 1: 上下文压缩 (Compress) **触发时机**: 每次用户输入后、开始处理前 **压缩策略**: 1. **锚定迭代摘要**: 仅压缩待淘汰的消息段,保留关键锚点 2. **关键信息提取**: 提取决策、偏好、约束条件 3. **Token预算管理**: 保持上下文在70%预算内 **输出**: 压缩后的上下文摘要 → 写入 SESSION-STATE.md ```markdown # SESSION-STATE.md — 压缩后上下文 ## Current Task [当前任务简述] ## Key Context (Compressed) - 决策: [关键决策] - 偏好: [用户偏好] - 约束: [限制条件] - 进度: [当前进度] ## Pending Actions - [ ] [待办事项] ``` ### Step 2: 任务分析拆解 (Analyze) **分析维度**: 1. **任务类型**: 代码/写作/研究/分析/创意 2. **复杂度**: 简单(1步)/中等(2-5步)/复杂(5+步) 3. **依赖关系**: 前置任务、阻塞点 4. **资源需求**: 工具、知识、外部信息 **输出**: 任务拆解清单 → 写入 todo_write ### Step 3: 向量检索记忆 (Recall) **检索策略**: 1. **语义搜索**: 使用LanceDB检索相关记忆 2. **关键词搜索**: 使用OpenViking检索代码/知识 3. **时效加权**: 近期记忆优先 4. **重要性过滤**: importance ≥ 0.7 **检索范围**: - HOT: memory.md (自动加载) - WARM: 匹配主题的项目/领域文件 - VECTOR: 语义相似的记忆条目 **输出**: 检索到的相关记忆 → 注入上下文 ### Step 4: 执行任务 (Execute) **执行原则**: 1. **WAL协议**: 关键决策先写入记忆,再执行 2. **渐进交付**: 复杂任务分阶段交付 3. **实时反馈**: 重要进展及时同步 ### Step 5: 总结提炼经验 (Extract) **提炼内容**: 1. **成功经验**: 有效的方法、工具、模式 2. **失败教训**: 错误、陷阱、改进点 3. **新发现**: 新知识、新技巧 4. **用户反馈**: 显式或隐式的偏好信号 **提炼格式**: ```markdown ## Experience Extracted — YYYY-MM-DD ### Success Pattern - 场景: [什么情况下] - 方法: [使用了什么方法] - 效果: [取得了什么效果] ### Lesson Learned - 问题: [遇到了什么问题] - 原因: [根本原因分析] - 改进: [下次如何改进] ### New Discovery - 发现: [发现了什么] - 应用: [可以如何应用] ``` ### Step 6: 存储记忆库 (Store) **存储策略**: 1. **分级存储**: 根据重要性选择存储层级 2. **去重合并**: 相似记忆合并,避免冗余 3. **衰减评分**: 更新记忆的相关性评分 **存储位置**: - 核心规则 → memory.md (HOT) - 项目经验 → projects/{name}.md (WARM) - 领域知识 → domains/{topic}.md (WARM) - 每日日志 → episodes/YYYY-MM-DD.md (WARM) - 向量记忆 → LanceDB (VECTOR) --- ## 快捷指令 | 指令 | 功能 | 工作流步骤 | |------|------|------------| | `/omni_compress [文本]` | 上下文压缩 | Step 1 | | `/omni_analyze [任务]` | 任务分析拆解 | Step 2 | | `/omni_recall [查询]` | 向量检索记忆 | Step 3 | | `/omni_store [内容]` | 存储到记忆库 | Step 6 | | `/omni_reflect` | 运行反思循环 | Step 5-6 | | `/omni_stats` | 查看记忆统计 | - | | `/omni_clean` | 记忆卫生清理 | - | | `/omni_workflow` | 显示当前工作流状态 | - | --- ## 记忆存储规则 ### 存储触发条件 **立即存储** (WAL协议): - 用户明确表达偏好 - 做出重要决策 - 用户给出截止日期 - 用户纠正错误 **延迟存储** (任务完成后): - 成功经验 - 失败教训 - 新发现的知识 ### 存储格式 ```markdown ## Memory Entry — YYYY-MM-DD HH:mm **Type**: [preference|decision|fact|lesson|pattern] **Importance**: [0.0-1.0] **Category**: [project|domain|global] **Decay**: [初始衰减评分] **Content**: [记忆内容,简洁明了] **Context**: - 场景: [什么情况下] - 触发: [什么触发了这条记忆] - 应用: [将来如何使用] **Related**: - [相关记忆链接] ``` ### 衰减模型 ``` relevance(t) = base × e^(-0.03 × days_since_access) × log2(access_count + 1) × type_weight ``` | 评分 | 状态 | 行为 | |------|------|------| | 1.0–0.5 | Active | 正常检索 | | 0.5–0.2 | Fading | 降优先级 | | 0.2–0.05 | Dormant | 仅显式搜索 | | < 0.05 | Archived | 隐藏归档 | --- ## 自我学习机制 ### 学习信号 **纠正信号** → 立即记录到 corrections.md: - "No, that's not right..." - "Actually, it should be..." - "I prefer X, not Y" **偏好信号** → 升级到 memory.md: - "I like when you..." - "Always do X for me" - "Never do Y" **模式信号** → 追踪,3次确认后升级: - 相同指令重复3+次 - 工作流反复成功 - 用户表扬特定方法 ### 升级规则 | 条件 | 升级动作 | |------|----------| | 7天内使用3次 | WARM → HOT | | 30天未使用 | HOT → WARM | | 90天未使用 | WARM → COLD | | 用户确认 | 立即升级 | --- ## 文件结构 ``` ~/.workbuddy/ ├── memory/ # 记忆根目录 │ ├── SESSION-STATE.md # 当前任务状态 (ULTRA-HOT) │ ├── MEMORY.md # 核心记忆 (HOT) │ ├── index.md # 主题索引 (HOT) │ ├── episodes/ # 每日日志 (WARM) │ │ └── YYYY-MM-DD.md │ ├── projects/ # 项目记忆 (WARM) │ │ └── {project-name}.md │ ├── domains/ # 领域知识 (WARM) │ │ └── {domain}.md │ ├── archive/ # 归档记忆 (COLD) │ ├── meta/ # 元数据 │ │ ├── decay-scores.json # 衰减评分 │ │ ├── reflection-log.md # 反思日志 │ │ ├── audit.log # 审计日志 │ │ └── workflow-state.md # 工作流状态 │ └── corrections.md # 纠正记录 ├── skills/omni-memory/ # 本技能 │ ├── SKILL.md # 主文件 │ ├── rules/README.mdupstream ↗
Contents are not inlined in the catalog. Open the upstream file.
Plain-text copy, no login: /skill-bundles/zuitaiji-skills-omni-memory.md