ASR Hotwords

自动从 OpenClaw 对话记录挖掘高频热词与歧义词，生成供 ASR 模型提升转录准确性的热词表。

ASR Hotwords — OpenClaw Skill

功能

从 OpenClaw 所有 agent 的对话记录中自动挖掘热词/歧义词表，供 ASR 模型提升语音转录准确性。

Pipeline: 提取所有 session 对话 → 本地热词挖掘（jieba 分词 + LLM 精炼） → 输出歧义词表 → 自动导出 hotwords.md

触发条件

用户说以下类似的话时触发此 skill：

• "挖掘对话中的热词"
• "提取对话歧义词"
• "跑一下热词挖掘"
• "更新热词表"

安装流程

当用户要求安装/启用此 skill 时，按以下步骤执行：

注意：以下所有路径中的 SKILL_DIR 指此 SKILL.md 所在目录（即 skill 的根目录）。执行时用 read 工具获取本文件路径，取其父目录即可。

Step 1: 安装 Skill

将 skill 安装到 ~/.openclaw/skills/asr-hotwords/。

bash

# 如果是从其他位置安装
cp -r <source> ~/.openclaw/skills/asr-hotwords/

Step 2: 旧版迁移（自动）

运行迁移脚本，自动检测旧版 per-agent 安装并合并数据：

bash

cd SKILL_DIR && python3 migrate.py

迁移脚本会：

• 扫描所有 agent workspace 下的旧版 asr-hotwords 或 asr-personal-hotwords 目录
• 合并 output/vocab_*.json 历史挖掘结果到新位置（不覆盖）
• 迁移 .installed / .cron_configured 标记文件
• 迁移 hotwords.md
• 在旧目录写入 MIGRATED.md 标记

如果没有旧版安装，脚本会提示"无需迁移"并跳过。

Step 3: 安装依赖

bash

pip3 install -r SKILL_DIR/requirements.txt --quiet

Step 4: 验证 OpenClaw LLM 配置

检查 ~/.openclaw/openclaw.json 中是否存在有效的 provider 配置（apiKey + baseUrl）。

Step 5: 测试运行

用前一天的数据跑一次完整 pipeline，确认端到端流程正常：

bash

cd SKILL_DIR && nohup bash run.sh > run.log 2>&1 &

运行完成后会自动导出 hotwords.md。可通过 tail -f SKILL_DIR/run.log 查看进度。

Step 6: 设置安装标记

bash

touch SKILL_DIR/.installed

安装完成，通知用户 skill 已就绪。

首次使用引导

当用户首次触发此 skill 时（通过触发条件中的关键词），检查 SKILL_DIR 下是否存在 .cron_configured 文件：

如果 .cron_configured 不存在（首次使用）：

在执行挖掘之前，先向用户提问：

"这是首次使用热词挖掘 skill。是否需要设置每日定时执行？（推荐：每天凌晨自动挖掘前一天的对话热词并更新 hotwords.md）"

• 用户同意：询问执行时间（默认 02:00），创建 OpenClaw cron 定时任务（sub-agent 方式），然后创建 .cron_configured 文件
• 用户拒绝：直接创建 .cron_configured 文件（标记为已询问，不再重复提问）

bash

touch SKILL_DIR/.cron_configured

如果 .cron_configured 已存在： 跳过引导，直接执行。

手动执行

默认：挖掘前一天

bash

cd SKILL_DIR && nohup bash run.sh > run.log 2>&1 &

指定日期

bash

cd SKILL_DIR && nohup bash run.sh --date 2026-04-26 > run.log 2>&1 &

指定日期范围

bash

cd SKILL_DIR && nohup bash run.sh --start 2026-04-20 --end 2026-04-26 > run.log 2>&1 &

仅导出热词表（不重新挖掘）

bash

cd SKILL_DIR && bash run.sh --export-only
cd SKILL_DIR && bash run.sh --export-only -f json -o hotwords.json
cd SKILL_DIR && bash run.sh --export-only -f csv -o hotwords.csv
cd SKILL_DIR && bash run.sh --export-only -f txt

执行完成后，向用户汇报：

• 提取了多少条消息
• 挖掘出多少条热词
• 展示 top 10 热词

输出文件

文件	说明
output/vocab_{date}.json	原始挖掘结果（按日期存档）
hotwords.md	热词表（每次运行自动导出，prompt 格式，供 ASR 模型直接使用）

DMWork 语音纠错上下文注入

挖掘完成后，run.py 会自动通过 openclaw gateway call agent 发送结构化消息给 agent。

agent 收到消息后必须执行：

1. 读取 SKILL_DIR/hotwords.md
2. 调用 dmwork_management(action="voice-context-update", content=文件内容)
3. 调用 dmwork_management(action="voice-context-read") 验证注入成功

如果是手动执行挖掘，agent 在汇报结果后也应主动执行上述注入步骤。

配置

编辑 config.yaml：

• extract.agents：要提取的 agent 列表（["*"] 为全部，或指定如 ["main", "claude"]）
• extract.max_content_len：单条消息最大字符数
• extract.min_freq：最低词频阈值

LLM API key 和模型信息自动从 ~/.openclaw/openclaw.json 读取，无需手动配置。

锚点词表机制

• 首次运行：anchors 为空
• 后续运行：自动加载 output/ 目录下所有历史 vocab 结果作为 anchors（合并去重）
• 词表只增不减，持续积累