ASR Personal Hotwords

自动从对话记录挖掘高频热词和歧义词，生成热词表以提升语音识别模型的转录准确度。

ASR Personal Hotword Miner — OpenClaw Skill

功能

从 OpenClaw 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 session 对话 → 调用远端 asr-corrector 服务 → 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 安装到当前 agent 的工作空间 skills 目录下。

安装位置解析步骤：

1. 获取当前 session 的 agent 名称（如 main、doctor）
2. 读取 ~/.openclaw/openclaw.json，在 agents.list 中找到该 agent 的 workspace 配置；如果 agent 没有独立 workspace，则使用 agents.defaults.workspace
3. 将 skill 安装到 {workspace}/skills/asr-personal-hotwords/

示例：

• main agent（workspace: ~/.openclaw/workspace）→ ~/.openclaw/workspace/skills/asr-personal-hotwords/
• doctor agent（workspace: ~/.openclaw/workspace-doctor）→ ~/.openclaw/workspace-doctor/skills/asr-personal-hotwords/

Step 2: 检查依赖

bash

pip3 install requests pyyaml --quiet

Step 3: 验证远端服务

bash

curl -s http://124.174.11.138:65000/health

如果服务不可用，通知用户并中止安装。

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 && bash run.sh

运行完成后会自动导出 hotwords.md。

Step 6: 记录热词表路径

在当前 agent 工作空间的 TOOLS.md 中追加热词表配置（路径根据实际 workspace 动态生成）：

markdown

## ASR 热词（歧义词）表
- **路径**: {workspace}/skills/asr-personal-hotwords/hotwords.md
- **用途**: 使用 ASR 模型转录语音时，自动读取此文件注入 prompt
- **更新**: 手动执行或定时自动更新

其中 {workspace} 替换为 Step 1 中解析到的实际路径。

Step 7: 询问执行方式

向用户提问：

"热词挖掘 skill 安装成功！默认为手动执行模式。 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）"

如果用户同意定时执行：

1. 询问用户期望的执行时间（默认建议：每天 02:00）
2. 使用 OpenClaw cron 创建定时任务，任务内容：
   • 以 sub-agent 方式执行（sessions_spawn, runtime: "subagent", mode: "run"）
   • 任务步骤：
     1. cd SKILL_DIR && bash run.sh
     2. 将结果摘要推送到 Telegram + 飞书
   • 执行完 sub-agent 自动销毁

如果用户拒绝：

仅确认安装完成，后续用户手动触发即可。

手动执行

当用户触发此 skill 时：

默认：挖掘前一天

bash

cd SKILL_DIR && bash run.sh

指定日期

bash

cd SKILL_DIR && bash run.sh --date 2026-04-26

指定日期范围

bash

cd SKILL_DIR && bash run.sh --start 2026-04-20 --end 2026-04-26

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）

配置

编辑 config.yaml：

• server_url：asr-corrector 远端服务地址
• extract.agents：要提取的 agent 列表（["self"] 为当前 agent，["*"] 为全部）
• 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