记忆管道

赋予你的AI代理真正有效的记忆。

AI代理每次会话启动时都一片空白。记忆管道解决了这个问题——它从过去的对话中提取重要内容，串联信息点，并生成每日简报，让你的代理每次会话都能有备而来，而非一无所知。

功能概述

Why This Is Different

Most "memory" solutions are just vector search over chat logs. This is acognitive architecture— inspired by how human memory actually works:

• Extraction over accumulation— Instead of dumping everything into a database, it identifies what's worth remembering: decisions, preferences, learnings, commitments. The rest is noise.
• Knowledge graph, not just embeddings— Facts get linked to each other with bidirectional relationships. Your agent doesn't just find similar text — it understands that a decision about your tech stack relates to a project deadline relates to a preference you stated three weeks ago.
• Briefing over retrieval— Rather than hoping the right context gets retrieved at query time, your agent starts every session with a curated cheat sheet. Active projects, recent decisions, personality reminders. Zero cold-start lag.
• No mid-swing coaching—— 借鉴自绩效心理学。修正发生在各个环节之间，而非环节之中。行动后复盘将反馈到下一次简报中。循环是闭合的，只是不在执行过程中进行。

快速开始

安装

clawdhub install memory-pipeline

设置

bash skills/memory-pipeline/scripts/setup.sh

设置脚本将检测您的工作空间，检查依赖项（Python 3 及任意 LLM API 密钥），创建memory/目录，并运行完整的流程。

要求

• Python 3
• 至少一个 LLM API 密钥（自动检测）：
  • OpenAI (OPENAI_API_KEY或~/.config/openai/api_key)
  • Anthropic (ANTHROPIC_API_KEY或~/.config/anthropic/api_key)
  • 双子座 (GEMINI_API_KEY或~/.config/gemini/api_key)

手动运行

# Full pipeline
python3 skills/memory-pipeline/scripts/memory-extract.py
python3 skills/memory-pipeline/scripts/memory-link.py
python3 skills/memory-pipeline/scripts/memory-briefing.py

通过Heartbeat自动化

添加到您的HEARTBEAT.md文件以启用每日自动运行:

### Daily Memory Pipeline
- **Frequency:** Once per day (morning)
- **Action:** Run the memory pipeline:
  1. `python3 skills/memory-pipeline/scripts/memory-extract.py`
  2. `python3 skills/memory-pipeline/scripts/memory-link.py`
  3. `python3 skills/memory-pipeline/scripts/memory-briefing.py`

导入外部知识

已在ChatGPT中积累了多年的对话？导入它们，让您的智能体了解您所知道的一切。

ChatGPT导出

# 1. Export from ChatGPT: Settings → Data Controls → Export Data
# 2. Drop the zip in your workspace
# 3. Run:
python3 skills/memory-pipeline/scripts/ingest-chatgpt.py ~/imports/chatgpt-export.zip

# Preview first (recommended):
python3 skills/memory-pipeline/scripts/ingest-chatgpt.py ~/imports/chatgpt-export.zip --dry-run

功能说明:

• 解析ChatGPT的对话树格式
• 过滤掉一次性对话 (可配置:--min-turns,--min-length)
• 支持主题排除 (编辑EXCLUDE_PATTERNS以跳过不需要的主题)
• 将干净、带有日期标记的Markdown文件输出到memory/knowledge/chatgpt/
• 文件会自动被OpenClaw的语义搜索索引

选项：

• --dry-run— 预览而不写入文件
• --keep-all— 跳过所有过滤
• --min-turns N— 保留的最小用户消息数（默认：2）
• --min-length N— 最小总字符数（默认：200）

添加其他来源

该模式是可扩展的。创建ingest-<source>.py，解析格式，将Markdown写入memory/knowledge/<source>/。索引器会处理后续工作。

流水线工作原理

阶段1：提取

脚本： memory-extract.py

读取每日笔记 (memory/YYYY-MM-DD.md) 和会话记录，然后使用大语言模型提取结构化事实：

{"type": "decision", "content": "Use Rust for the backend", "subject": "Project Architecture", "confidence": 0.9}
{"type": "preference", "content": "Prefers Google Drive over Notion", "subject": "Tools", "confidence": 0.95}

输出： memory/extracted.jsonl

阶段 2：链接

脚本： memory-link.py

获取提取的事实并构建知识图谱：

• 为语义相似性生成嵌入向量
• 在相关事实之间创建双向链接
• 检测矛盾并标记被取代的事实
• 自动生成领域标签

输出： memory/knowledge-graph.json+memory/knowledge-summary.md

阶段 3：简报

脚本： memory-briefing.py

生成一份简洁的每日简报（< 2000 字符），结合以下内容：

• 性格特征（来自灵魂.md)
• 用户上下文（来自用户.md)
• 活跃项目和近期决策
• 待办事项

输出： 简报.md（工作区根目录）

性能钩子（可选）

四个生命周期钩子，用于在会话期间强化执行纪律。基于绩效心理学中的一项原则：将准备与执行分离。

User Message → Agent Loop
  ├── before_agent_start  →  Briefing packet (memory + checklist)
  ├── before_tool_call    →  Policy enforcement (deny list)
  ├── tool_result_persist →  Output compression (prevent context bloat)
  └── agent_end           →  After-action review (durable notes)

配置

{
  "enabled": true,
  "briefing": {
    "maxChars": 6000,
    "checklist": [
      "Restate the task in one sentence.",
      "List constraints and success criteria.",
      "Retrieve only the minimum relevant memory.",
      "Prefer tools over guessing when facts matter."
    ],
    "memoryFiles": ["memory/IDENTITY.md", "memory/PROJECTS.md"]
  },
  "tools": {
    "deny": ["dangerous_tool"],
    "maxToolResultChars": 12000
  },
  "afterAction": {
    "writeMemoryFile": "memory/AFTER_ACTION.md",
    "maxBullets": 8
  }
}

钩子详情

输出文件

自定义

• 更改 LLM 模型— 编辑每个脚本中的模型名称（支持OpenAI、Anthropic、Gemini）
• 调整提取— 修改memory-extract.py中的提取提示，以聚焦于不同的事实类型
• 调整链接敏感度— 更改memory-link.py中的相似度阈值（默认：0.3）
• 过滤摄取内容— 编辑ingest-chatgpt.py中的EXCLUDE_PATTERNS以排除特定主题

故障排除

另请参阅

• 设置指南——详细安装与配置说明