Mem Optimizer

记忆优化与压缩工具。结合 self-improving 机制，自动统计、压缩和优化记忆文件，减少 token 消耗。支持多智能体优化和24小时工作检测。触发关键词：优化记忆、记忆优化、总结你自己、MemOptimizer、memopt、执行多智能体记忆优化流程

MemOptimizer (记忆优化器) 🧠

记忆压缩与统计工具 - 整合 Self-Improving 机制

自动扫描工作区的 memory 文件，统计 tokens 使用情况，执行压缩优化，并结合自我反思机制持续改进优化策略。

触发方式

手动触发

当用户说出以下关键词时自动激活：

• 优化记忆
• 记忆优化
• 总结你自己
• MemOptimizer
• memopt

自动触发

• 每日定时：每天上午 8:00 自动执行（UTC 时间）
• 执行后自动发送每日总结报告

核心功能

1. Token 统计与压缩

• 扫描 memory/ 目录下所有 .md 文件
• 估算每个文件的 token 消耗（中文 2 字符/token，英文 4 字符/token）
• 自动识别冗长的记忆条目（>50 行）
• 生成摘要，保留关键信息

2. Self-Improving 整合 🆕

结合自我反思机制，持续优化记忆策略：

反思触发条件

触发场景	置信度	动作
用户指出"这个压缩太过了"	高	记录到 corrections.md
用户说"保留更多细节"	高	调整压缩阈值
多次压缩后用户要求恢复	中	标记为"过度压缩"模式
用户确认"这样压缩很好"	中	推广为全局偏好

反思日志格式

markdown

## [Date] — Memory Optimization

**What I did:** Compressed 3 memory files, freed 2500 tokens
**Outcome:** User approved the compression
**Reflection:** Compression ratio of 40% was well received
**Lesson:** 40-50% compression ratio is safe for daily notes
**Status:** ✅ promoted to global preferences

学习演化路径

1. Tentative — 单次优化后观察用户反馈
2. Emerging — 2 次相似反馈，可能模式
3. Pending — 3 次反馈，请求确认
4. Confirmed — 用户确认，永久偏好
5. Archived — 90 天未使用，保留但停用

3. 每日总结报告（自动）

每天上午 8 点自动执行，包含：

报告内容

• 记忆优化结果

  • 释放的 tokens 数量
  • 总结的 tokens 数量
  • 处理的文件列表

• 服务器状态

  • CPU/内存使用率
  • 磁盘空间
  • 网络状态

• 多智能体状态

  • 活跃子 agent 列表
  • 各 agent 任务进度
  • 异常或警告

• 任务概览

  • 过去 24 小时执行的任务
  • 成功/失败统计
  • 耗时最长的任务

发送方式

• 通过 Feishu 发送给用户
• 包含可交互的卡片（如平台支持）
• 附带详细日志文件链接

工具使用

mem_optimize - 执行记忆优化

javascript

mem_optimize({
  dryRun: true,        // true=仅预览（默认）
  includeReflection: true,  // 是否记录反思（默认 true）
  compressionRatio: 0.4   // 目标压缩比（0-1）
})

返回格式：

json

{
  "status": "success",
  "message": "已释放 1234 tokens，总结了 5678 tokens 记忆",
  "stats": {
    "freedTokens": 1234,
    "summarizedTokens": 5678,
    "filesProcessed": 5,
    "totalTokens": 15000,
    "compressionRatio": 0.42
  },
  "reflection": {
    "logged": true,
    "pattern": "compression_acceptable",
    "confidence": "medium"
  },
  "dryRun": true
}

mem_stats - 统计记忆使用情况

javascript

mem_stats()

返回格式：

json

{
  "status": "success",
  "totalFiles": 10,
  "totalTokens": 15000,
  "files": [
    {
      "name": "2026-03-12.md",
      "tokens": 500,
      "lines": 45
    }
  ]
}

mem_optimize_daily - 每日自动执行（内部工具）

由 cron 自动调用，执行完整优化并发送报告。

每日总结报告模板

text

🧠 每日记忆优化报告 - [日期]

📊 记忆优化结果
─────────────────────
• 释放 tokens: 1,234
• 总结 tokens: 5,678
• 处理文件：5 个
• 压缩率：42%

🖥️ 服务器状态
─────────────────────
• CPU: 23% (avg)
• 内存：4.2GB / 16GB
• 磁盘：45GB / 500GB
• 网络：正常

🤖 多智能体状态
─────────────────────
• 活跃子 agent: 2
  - mem-optimizer (完成)
  - web-search (进行中)
• 无异常警告

📋 任务概览 (过去 24h)
─────────────────────
• 总任务：12
• 成功：11
• 失败：1
• 平均耗时：2.3s

📝 反思日志
─────────────────────
• 新增学习：1 条
• 确认偏好：0 条
• 归档旧模式：0 条

[查看详细日志]

优化策略

压缩阈值

• 默认：50 行以上开始压缩
• 可调整：根据用户反馈动态调整
• 安全边界：保留标题和前 20 行

安全机制

• 默认 dryRun：仅预览不修改
• 用户确认：执行实际压缩需确认
• 备份建议：重要文件建议先备份
• 可恢复：压缩内容可手动恢复

Self-Improving 循环

text

1. 执行优化
   ↓
2. 观察用户反馈
   ↓
3. 记录到 reflections.md
   ↓
4. 模式累积（3 次）
   ↓
5. 请求确认
   ↓
6. 更新全局偏好
   ↓
7. 下次优化应用新策略

与 memory-qdrant 的协同

• memory-qdrant：向量数据库，用于语义搜索和长期记忆存储
• MemOptimizer：文件压缩工具，减少 memory 文件的 token 消耗

两者互补：

• qdrant 处理语义记忆
• MemOptimizer 处理文件存储优化
• 优化结果同步到 qdrant 用于长期学习

配置选项

可通过环境变量或配置文件自定义：

javascript

{
  "compressionThreshold": 50,    // 压缩阈值（行数）
  "maxSummaryLines": 20,         // 摘要最大行数
  "defaultDryRun": true,         // 默认预览模式
  "targetCompressionRatio": 0.4, // 目标压缩比
  "excludePatterns": [],         // 排除的文件模式
  "reflectionEnabled": true,     // 是否启用反思
  "dailyReportTime": "08:00"     // 每日报告时间（UTC）
}

定时任务配置

自动执行时间

• 时间：每天上午 8:00（UTC）
• 时区：UTC（可根据需要调整）

配置位置

yaml

# ~/.openclaw/config.yaml 或 agent 配置
cron:
  - expression: "0 8 * * *"
    action: "mem_optimize_daily"
    enabled: true

禁用方法

如功能带来负担，可：

1. 编辑配置，设置 enabled: false
2. 或删除 cron 配置项
3. 或删除整个 skill 目录

未来扩展

• 支持智能去重（语义相似度检测）
• 支持自动归档（30 天前的文件）
• 支持记忆导出/导入
• 支持记忆分类标签
• 支持多时区报告时间
• 支持报告模板自定义