shield_lock
JinDaGe
← Back to skills
extension
Category: OtherNo API key required

1368元神记忆系统

让AI拥有真正的永久记忆。 专为OpenClaw数字员工打造的终身记忆系统——每次对话都被完整记录、深度分析、智能提炼，跨越会话延续上下文。 "一次对话，永远记住。" 核心优点： · 永不遗忘：自动捕获每一次对话，完整复刻 · 自动进化：L1决策/L2场景/L3画像自动提炼 · 本地存储：索引存技能目录，数据完全可控 · 灵活搜索：支持 memorySearch 和 FAISS 两种模式 · 断点续传：增量同步，不重复处理

personAuthor: user_a960edb7hubcommunity
downloadDownload package

功能列表

| 脚本 | 功能 | |------|------| | auto_start.py | 自启动检查 | | build_index_1368.py | 向量索引构建 | | config_wizard.py | 8步配置向导 | | generate_docx.py | 生成Word文档 | | health_check.py | 健康检查 | | initialize.py | 目录初始化 | | install_wizard.py | 安装向导 | | l0_import.py | 历史数据导入 | | l0_split_merge.py | 分片合并 | | l0_watcher.py | L0实时监听 | | l123_extractor.py | L1/L2/L3提取 | | migrate_history.py | 历史数据回溯 | | paths_config.py | 路径配置 | | split_large_files.py | 大文件拆分 | | health_check.py | 系统状态 | | vector_search.py | 语义搜索 |

共16个脚本

1368元神系统

1元3维6层8面体元神系统

版本： v2.2 定位： OpenClaw 智能体的永久记忆系统

一、为什么需要这个技能？

智能体的记忆困境

当前所有AI助手都有一个根本缺陷：每次会话都是从零开始。

昨天讨论的项目，上午处理的问题，上周做的决定——全部忘记 每次对话都需要重新解释背景、重复确认偏好 重要决策没有记录，查不到依据 长期积累的经验无法复用

1368元神系统就是为了解决这个困境而生。

二、什么是"1元3维6层8面体"？

2.1 一元：100%完整记忆复刻

概念： 把每一次对话、每一条消息都完整记录下来，不丢失任何细节。

实现： 智能体每次会话结束后，自动把完整的对话记录存档。原始对话、用户说的话、AI的回答——全部1:1保存。

好处： 📌 找回全部历史 - 任何时间点的对话都能查到 📌 最原始的记录 - 未经加工处理，信息最完整 📌 证据可追溯 - 决策、承诺、约定都有据可查

2.2 三维：从三个角度理解记忆

记忆不只是"记下来"，更要"理解"。

好处： 快速了解用户/项目的情况，不用翻完整记录 系统化的整理，不是杂乱的信息堆砌 智能分析和归纳

2.3 六层：从浅到深的记忆加工

会话产生（系统层） → 原始存档(L0) → 信息提取(L1) → 知识提炼(L2) → 画像形成(L3) → 索引构建(索引)

好处： 分层管理，查询效率高 既能快速检索，也能深入原始记录 逐步深入，从概览到细节

2.4 八面体：双索引驱动

两个索引系统协同工作： 记忆索引：L0/L1/L2/L3各层都有自己的索引 知识库索引：配套知识库的索引

比喻： 记忆索引像图书馆的分类卡片，知识库索引像图书的目录。两套系统互相补充，触达任何信息都快。

好处： 🔍 秒级搜索 - 问"上次讨论的需求"，0.5秒找到 🔍 语义理解 - 知道你在找什么，不只是关键词匹配 🔍 多维触达 - 可以从不同角度找到同一段记忆

三、核心功能

3.1 自动存档

智能体每次会话结束后，自动：

  1. 识别本次会话的对话内容
  2. 提取关键信息（决策、场景、画像）
  3. 存档到L0_raw（完整记录）
  4. 同时更新L1/L2/L3（提炼内容）
  5. 更新向量索引（可搜索）

无需手动操作，全部自动完成。

3.2 找回全部历史记忆

场景1： 用户问"上周那个客户的项目进度怎么样了？" 系统在L2场景中快速定位相关项目 然后回溯到原始L0记录，查看完整细节

场景2： 用户说"我之前确认过用XX方案" 系统在L1决策中找到当时的决策记录 证明决策过程，追溯依据

3.3 快速精准的语义搜索

传统搜索： 搜索"项目"，把包含"项目"的记录都列出来 1368搜索： 搜索"项目"，理解你在问什么，返回最相关的结果

基于向量数据库，支持语义理解，搜索结果精准。

3.5 系统检查

使用 health_check.py 检查系统各组件运行状态：

cd /root/.openclaw/workspace/main/skills/1368元神记忆系统/scripts
python3 health_check.py

检查项：

| 检查项 | 状态 | 说明 | |--------|------|------| | OpenClaw进程 | ✅/❌ | 显示所有进程列表、CPU%、内存% | | L0 Watcher | ✅/❌ | 监听状态、启动时间 | | 会话提取 | ✅/❌ | 总会话数、1h/24h内活跃 | | L0 写入 | ✅/❌ | 文件数、总大小 | | L1/L2/L3 | ✅/❌ | 各层文件数和大小 | | 索引状态 | ✅/❌ | 索引文件数量 | | API 状态 | ✅/❌ | 连接状态、延迟 |

检查脚本：

  • health_check.py - 完整健康检查（含进程列表）
  • health_check.py - 系统状态摘要
# 完整健康检查（推荐）
python3 health_check.py

# 快速状态摘要
python3 health_check.py

输出示例：

============================================================
  1368元神系统 - 健康检查 | OpenClaw: 10进程, CPU:4.8%, 内存:54.5%
============================================================ | OpenClaw: 10进程, CPU:4.8%, 内存:54.5%
============================================================

------------------------------------------------------------
检查项                  状态       详情
------------------------------------------------------------
OpenClaw进程           ✅ 好的     共10个进程 | CPU:4.8% | 内存:54.5%
L0 Watcher           ✅ 好的     运行中 | 启动: 2026-05-03T23:56:05
会话提取                 ✅ 好的     总会话: 7 | 1h内: 1 | 24h内: 7
L0 写入                ✅ 好的     总文件: 71 | 总大小: 29MB
L1/L2/L3             ✅ 好的     L1决策: 537个 | L2场景: 760个 | L3画像: 404个
索引状态                 ❌ 错误     无索引文件
API 状态               ✅ 好的     正常 | 延迟: 420ms

OpenClaw执行的任务进程列表：
------------------------------------------------------------
  418159  CPU: 3.9%  MEM:48.7%  openclaw-gateway
  883  CPU: 0.3%  MEM: 2.5%  chrome
  ...
------------------------------------------------------------

3.4 记忆迁移（规划中）

未来支持将记忆系统迁移到新环境： 换设备、换平台 备份和恢复 多设备同步

四、技术规格

4.1 文件限制

4.2 目录结构

memory/1368-memory/ ├── L0_raw/ # 一元：原始会话复刻 │ └── {agent}/ │ ├── L0_{来源前缀}{开始日期}{序号}.md # 导入文件命名规范 │ └── {session}.md # 原生会话命名 ├── L1_decision/ # 三维之一：决策提取 │ └── L1_{日期}{序号}{agent}.md ├── L2_scene/ # 三维之二：场景提取 │ └── L2_{日期}{序号}{agent}.md ├── L3_profile/ # 三维之二：画像提取 │ └── L3_{日期}{序号}{agent}.md └── indexes/ # 六层：向量索引文件

4.4 文件命名规范

| 层级 | 命名格式 | 示例 | |------|---------|------| | L0导入 | L0_{来源前缀}{序号}.md | L0_history_001.md | | L1决策 | L1{起始日期}{序号}{agent}.md | L1_20260410_001_main.md | | L2场景 | L2_{起始日期}{序号}{agent}.md | L2_20260410_001_main.md | | L3画像 | L3_{起始日期}{序号}{agent}.md | L3_20260410_001_main.md |

说明：

  • 文件名包含起始日期
  • 多文件合并到同一文件，不满阀值追加，满阀值新建序号文件
  • 内容来源记录保留原始文件名（L0文件名自带日期）

4.5 Cursor记录机制

L123提取使用cursor记录追踪写入位置，避免重复处理：

文件： memory/1368-memory/L123_cursor.json

{
  "main": {
    "L1": { "file": "L1_20260506_001_main.md", "date": "20260506", "seq": 1, "last_count": 54 },
    "L2": { "file": "L2_20260506_001_main.md", "date": "20260506", "seq": 1, "last_count": 50 },
    "L3": { "file": "L3_20260411_001_main.md", "date": "20260411", "seq": 1, "last_count": 3 },
    "processed_l0": ["main-20260506-052fc6a0.md", "L0_history_001.md"]
  }
}

| 字段 | 说明 | |------|------| | L1/L2/L3.file | 当前写入文件 | | L1/L2/L3.date | 文件名日期（首次写入内容的日期） | | L1/L2/L3.seq | 当前序号 | | L1/L2/L3.last_count | 最后一次写入的条数 | | processed_l0 | 已处理的L0文件列表 |

工作流程：

  1. 提取前先查cursor，获取当前写入位置
  2. 检查cursor文件是否满阀值
  3. 不满阀值 → 追加到同一文件
  4. 满阀值 → 新建序号+1的文件
  5. 处理完成后更新cursor
  6. 下次运行时跳过processed_l0中的文件

4.6 l0_import.py 导入逻辑

# 核心逻辑：不满阀值追加，满阀值新建
def find_next_l0_file(source_prefix, output_dir):
    seq = 1
    while True:
        path = get_l0_import_path(source_prefix, seq, output_dir)
        if not os.path.exists(path):
            return path, seq  # 新建
        # 不满阀值则追加
        if os.path.getsize(path) < L0_SIZE_LIMIT:
            return path, seq
        # 满了则用下一个序号
        seq += 1

# 写入时追加模式
if os.path.exists(output_path):
    mode = 'a'  # 追加
else:
    mode = 'w'  # 新建
with open(output_path, mode, encoding='utf-8') as f:
    if mode == 'a':
        f.write('\n\n--- 来源: ' + filename + ' ---\n\n')
    f.write(content)

命名格式： L0_{来源前缀}_{序号}.md 示例： L0_history_001.md

4.7 l123_extractor.py 提取逻辑

# 1. 查Cursor获取当前写入位置
def find_next_l_file(l_dir, level, agent_id, content_date):
    cursor = get_cursor(agent_id, level)
    if cursor and os.path.exists(os.path.join(l_dir, cursor['file'])):
        if os.path.getsize(cursor_path) < limit:
            return cursor_path, cursor['seq'], cursor['date']
        # 满了则新建序号+1
        return new_path, cursor['seq']+1, cursor['date']

# 2. 提取三维信息
l1_items = extract_l1_decision(content)  # 决策
l2_items = extract_l2_scene(content)      # 场景
l3_items = extract_l3_profile(content)    # 画像

# 3. 追加写入
with open(l1_path, 'a', encoding='utf-8') as f:
    f.write(f"\n## 来源: {l0_filename}\n\n")
    for item in l1_items:
        f.write(f"- {item}\n")

# 4. 更新Cursor
update_cursor(agent_id, level, l1_path, file_date, seq, count)
mark_l0_processed(agent_id, l0_filename)

命名格式： L{x}_{起始日期}_{序号}_{agent}.md 示例： L1_20260506_001_main.md

4.8 支持的智能体

支持多智能体协作： main（主智能体） xiaodai（小助） xiaodang（小档） xiaogu（小顾） xiaofa（小发） xiaodai（贷后）

五、使用方式

自动运行

L0 Watcher 自动在后台运行，监控所有智能体的会话。

手动命令

六、版本历史

| 版本 | 日期 | 更新内容 | |------|------|----------| | v4.0.0 | 2026-05-05 | Cursor记录机制、L123合并规则、命名规范更新 | | v3.0.0 | 2026-05-02 | 正式命名为1368元神记忆系统 | | v2.1 | 2026-05-02 | 分片格式修正（.part001.md），L0_raw结构优化 | | v2.0 | 2026-05-01 | 1368元神系统正式版，8步配置向导 |

七、后续规划

L1/L2/L3自动提取算法优化 记忆迁移功能 记忆可视化界面 多语言支持

总结：1368元神系统让AI智能体拥有真正的永久记忆。不是"记住更多"，而是"记住一切、找到一切、理解一切"。