Install
openclaw skills install causal-graph自动从日志和记忆中提取实体、事件及其因果关系,构建动态知识图谱并支持查询与可视化。
openclaw skills install causal-graph降低 Knowledge Graph 维护成本,自动发现事件因果关系
从日志和记忆文件中自动提取事件、实体、因果关系,构建知识图谱。
[2026-02-22] 实施永续记忆增强
[2026-02-26] NeuroBoost v5.0 发布
[2026-03-01] 创建 agentawaken repo
ClawHub 超时 → 检查版本 → 发现已发布
永续记忆增强 → 记忆健康度提升 → 任务完成率提升
memory/YYYY-MM-DD.md (日志)MEMORY.md (长期记忆).issues/open-*.md (任务){
"nodes": [
{ "id": "agent-awaken", "type": "project", "label": "AgentAwaken" },
{ "id": "vercel", "type": "tool", "label": "Vercel" },
{ "id": "deploy-event", "type": "event", "label": "部署到 Vercel", "timestamp": "2026-03-01" }
],
"edges": [
{ "from": "agent-awaken", "to": "vercel", "type": "requires" },
{ "from": "deploy-event", "to": "agent-awaken", "type": "affects" }
]
}
// 简单正则匹配
const patterns = {
cause: /因为|由于|导致|所以/,
enable: /使得|让|允许/,
require: /需要|依赖|基于/
};
// 用 LLM 分析文本
const prompt = `
从以下文本提取因果关系,输出 JSON:
{ "cause": "...", "effect": "...", "confidence": 0.9 }
文本: ${text}
`;
# 构建图谱
node skills/causal-graph/build.mjs
# 查询
node skills/causal-graph/query.mjs "AgentAwaken 的依赖"
# 输出: Vercel, GitHub, Next.js, pnpm
# 可视化
node skills/causal-graph/visualize.mjs > graph.html
在 Dashboard 显示:
| 方式 | 初始成本 | 维护成本 | 准确度 |
|---|---|---|---|
| 手动维护 | 高 | 极高 | 高 |
| 规则匹配 | 低 | 中 | 中 |
| LLM 提取 | 中 | 低 | 高 |
| 混合方案 | 中 | 低 | 极高 |
结论: 混合方案最优,初期投入中等,长期维护成本低。