Integrated Memory Evolution Action

v1.0.0

整合三層記憶系統 + 自進化引擎 + 行動模式。所有 Agent 必須使用的核心 Skill，實現記憶驅動、自進化、主動行動的完整閉環。

⭐ 0· 97·0 current·0 all-time

OpenClaw Prompt Flow

Install with OpenClaw

Best for remote or guided setup. Copy the exact prompt, then paste it into OpenClaw for chungvic/integrated-memory-evolution-action.

Previewing Install & Setup.

Prompt PreviewInstall & Setup

Install the skill "Integrated Memory Evolution Action" (chungvic/integrated-memory-evolution-action) from ClawHub.
Skill page: https://clawhub.ai/chungvic/integrated-memory-evolution-action
Keep the work scoped to this skill only.
After install, inspect the skill metadata and help me finish setup.
Use only the metadata you can verify from ClawHub; do not invent missing requirements.
Ask before making any broader environment changes.

Command Line

CLI Commands

Use the direct CLI path if you want to install manually and keep every step visible.

OpenClaw CLI

Bare skill slug

openclaw skills install integrated-memory-evolution-action

ClawHub CLI

Package manager switcher

npx clawhub@latest install integrated-memory-evolution-action

Security Scan

VirusTotal

Suspicious

View report →

OpenClaw

Suspicious

medium confidence

ℹ

Purpose & Capability

The name/description (integrated memory + evolution + action) aligns with the instructions: the SKILL prescribes layered memory reads/writes, evolutionary logs, and action-state updates. However, the skill expects access to files that may contain sensitive config (Layer 3: 'API 配置') and references runtime tools (node, python3, memory_search) even though the registry metadata lists no required binaries or credentials — an inconsistency that should be justified.

Instruction Scope

SKILL.md forces a mandatory pre-task checklist that instructs the agent to read many shared and workspace paths (/shared/memory/..., workspace/.learnings, memory/ontology/..., SESSION-STATE.md, HEARTBEAT.md, etc.), to run commands (memory_search, node scripts/log-learning.mjs, python3 scripts/ontology.py), and to perform write-ahead-log writes before replying. This gives the skill broad discretion to read and persist potentially sensitive or unrelated data and to run scripts that are not included in the package. The 'write before reply' WAL requirement increases risk of unintended persistent changes or data leakage.

✓

Install Mechanism

No install spec and no code files — lowest install risk. That said, the instructions reference scripts and binaries (node, python3, memory_search) that are not supplied; the absence of those artifacts means the runtime behavior depends on the host environment and prompts the agent to run external commands that should be audited.

Credentials

The skill declares no required env vars or credentials, but its documented memory layers explicitly include 'API 配置' and other persistent config in Layer 3. Asking agents to read/write shared config files is effectively requesting access to secrets/configs without declaring or justifying them. The number and sensitivity of file paths accessed is disproportionate relative to a simple skill manifest that claims no credentials or binaries.

ℹ

Persistence & Privilege

always:false and default autonomous invocation mean it won't forcibly be included everywhere, but the skill is written as '所有 Agent 必須使用！' while not enforcing that flag. The skill directs frequent, persistent writes to shared memory locations (SESSION-STATE.md, .learnings, memory/...), which gives it lasting side effects across agent runs. This is not necessarily malicious, but it elevates blast radius and should be limited by permissions and review.

What to consider before installing

This skill is coherent with a memory-driven 'evolution + action' system, but it requires the agent to read and write many shared files (including Layer 3 where API configs/preferences may live) and to run node/python commands that are not provided. Before installing: (1) review the actual memory files (/shared/memory..., workspace/.learnings, SESSION-STATE.md) for sensitive data and decide which paths the skill should be allowed to access; (2) ensure any referenced scripts (node scripts/log-learning.mjs, python3 scripts/ontology.py) are present and audited, or remove those steps; (3) run the skill in an isolated/test environment first and apply least-privilege filesystem ACLs so it can't read unrelated secrets; (4) consider modifying the skill so it declares required binaries or explicitly documents what it must access; and (5) do not assume this instruction-only skill is harmless just because it has no install — its runtime file access and write behavior are the primary risk.

Like a lobster shell, security has layers — review code before you run it.

Runtime requirements

🧠⚡🎯 Clawdis

actionvk970r0j3mcjjw62hc722t5pmy1846nskcorevk970r0j3mcjjw62hc722t5pmy1846nskevolutionvk970r0j3mcjjw62hc722t5pmy1846nsklatestvk970r0j3mcjjw62hc722t5pmy1846nskmandatoryvk970r0j3mcjjw62hc722t5pmy1846nskmemoryvk970r0j3mcjjw62hc722t5pmy1846nsk

97downloads

0stars

1versions

Updated 3w ago

v1.0.0

MIT-0

🧠⚡🎯 Integrated Memory Evolution Action (整合記憶進化行動)

所有 Agent 必須使用！ 整合咗：

🧠 三層記憶系統（Layer 1/2/3）
⚡ 自進化引擎（T130 四個核心技能）
🎯 行動模式（Proactive Agent 架構）

🎯 核心目標

建立一個記憶驅動、自進化、主動行動的完整閉環系統：

┌─────────────────────────────────────────────────────────┐
│  記憶層（Memory Layer）                                   │
│  - Layer 1: 對話總結（即時）                              │
│  - Layer 2: 事件記錄（任務/錯誤/財務/技能）               │
│  - Layer 3: 永久記憶（用戶習慣/API 配置/原則）            │
└────────────────────┬────────────────────────────────────┘
                     ▼ 記憶驅動決策
┌─────────────────────────────────────────────────────────┐
│  進化層（Evolution Layer）                                │
│  - 學習記錄（LEARNINGS.md）                              │
│  - 錯誤追蹤（ERRORS.md）                                 │
│  - 功能請求（FEATURE_REQUESTS.md）                       │
│  - 實驗驅動（EXPERIMENTS.md）                            │
│  - 本體圖譜（ontology/graph.jsonl）                      │
└────────────────────┬────────────────────────────────────┘
                     ▼ 進化驅動優化
┌─────────────────────────────────────────────────────────┐
│  行動層（Action Layer）                                   │
│  - WAL Protocol（寫入先過行動）                          │
│  - Working Buffer（危險區記錄）                          │
│  - Autonomous Crons（自動化任務）                        │
│  - Resourcefulness（嘗試 10 種方法）                      │
│  - Compaction Recovery（上下文恢復）                     │
└─────────────────────────────────────────────────────────┘

📋 強制使用流程

1️⃣ 任務前檢查（Pre-Task Check）- 必須執行

每次接任務/對話前必須執行以下步驟：

## 任務前檢查清單

### 記憶層檢查
- [ ] 讀取 Layer 3（用戶習慣、核心規則）
  - 位置：`/shared/memory/layer3-permanent/user-profile.md`
  - 重點：溝通風格、工作習慣、禁忌清單
  
- [ ] 讀取 Layer 2（任務狀態、犯錯記錄）
  - 位置：`/shared/memory/layer2-events/tasks/`
  - 重點：當前任務、相關錯誤記錄
  
- [ ] 讀取 Layer 1（今日對話）
  - 位置：`/shared/memory/layer1-conversations/YYYY-MM-DD/`
  - 重點：今日相關對話總結
  
- [ ] 執行 memory_search
  - 命令：`memory_search query="<關鍵詞>"`
  - 重點：搜索相關記憶片段

### 進化層檢查
- [ ] 讀取 `.learnings/LEARNINGS.md`
  - 位置：`workspace/.learnings/LEARNINGS.md`
  - 重點：相關學習記錄
  
- [ ] 讀取 `.learnings/ERRORS.md`
  - 位置：`workspace/.learnings/ERRORS.md`
  - 重點：避免重複犯錯
  
- [ ] 讀取本體圖譜（如需要）
  - 位置：`memory/ontology/graph.jsonl`
  - 重點：實體關係查詢

### 行動層檢查
- [ ] 讀取 `SESSION-STATE.md`
  - 位置：`workspace/SESSION-STATE.md`
  - 重點：當前工作狀態、WAL 目標
  
- [ ] 檢查 `HEARTBEAT.md`
  - 位置：`workspace/HEARTBEAT.md`
  - 重點：待辦任務清單

**未檢查前唔好行動！**

2️⃣ 對話中記錄（WAL Protocol）- 必須執行

Write-Ahead Log： 寫入記憶先過回覆！

記憶層寫入

觸發情況	即時寫入邊層	寫入位置
CEO 給出決策	Layer 2	`/shared/memory/layer2-events/tasks/`
CEO 表達偏好	Layer 3	`/shared/memory/layer3-permanent/user-profile.md`
CEO 分配任務	Layer 2	`/shared/memory/layer2-events/tasks/Txxx.md`
CEO 指出錯誤	Layer 2	`/shared/memory/layer2-events/errors/`
CEO 提供信息	Layer 1	`/shared/memory/layer1-conversations/YYYY-MM-DD/`
任務完成	Layer 2	更新任務狀態
技能使用	Layer 2	`/shared/memory/layer2-events/skills/`

進化層寫入

觸發情況	寫入文件	ID 格式
學到新嘢	`.learnings/LEARNINGS.md`	`LRN-YYYYMMDD-XXX`
犯咗錯誤	`.learnings/ERRORS.md`	`ERR-YYYYMMDD-XXX`
發現需求	`.learnings/FEATURE_REQUESTS.md`	`FEAT-YYYYMMDD-XXX`
實驗結果	`.learnings/EXPERIMENTS.md`	`EXP-YYYYMMDD-XXX`
新實體/關係	`memory/ontology/graph.jsonl`	JSONL 格式

行動層寫入

觸發情況	寫入位置	內容
開始任務	`SESSION-STATE.md`	任務目標、進度
遇到阻礙	`memory/working-buffer.md`	危險區記錄、嘗試方法
完成行動	`SESSION-STATE.md`	結果、下一步

3️⃣ 對話後寫入（Post-Dialogue Write）- 必須執行

記憶層歸檔

# 1. 更新 Layer 1（對話總結）
# 位置：/shared/memory/layer1-conversations/YYYY-MM-DD/<agent>.md

# 2. 更新 Layer 2（任務狀態）
# 位置：/shared/memory/layer2-events/tasks/Txxx.md

# 3. 更新 Layer 3（如有需要）
# 位置：/shared/memory/layer3-permanent/user-profile.md

進化層歸檔

# 1. 記錄學習
node scripts/log-learning.mjs learning "摘要" "詳情" "建議行動"

# 2. 記錄錯誤
node scripts/log-learning.mjs error "摘要" "錯誤詳情" "建議修復"

# 3. 記錄本體（如需要）
python3 scripts/ontology.py create --type Task --props '{"title":"任務名","status":"open"}'

行動層歸檔

# 1. 更新 SESSION-STATE.md
# - 更新任務進度
# - 記錄下一步行動

# 2. 清理 working-buffer.md
# - 移動已完成到 SESSION-STATE.md
# - 保留進行中項目

🔄 自進化循環

每日流程（00:00）

┌─────────────────────────────────────────────────────────┐
│  1. 收集 Layer 1 對話總結                                 │
│     - 位置：/shared/memory/layer1-conversations/YYYY-MM-DD/ │
└────────────────────┬────────────────────────────────────┘
                     ▼
┌─────────────────────────────────────────────────────────┐
│  2. 提煉到 Layer 2                                       │
│     - 任務 → layer2-events/tasks/                       │
│     - 錯誤 → layer2-events/errors/                      │
│     - 技能 → layer2-events/skills/                      │
└────────────────────┬────────────────────────────────────┘
                     ▼
┌─────────────────────────────────────────────────────────┐
│  3. 記錄到進化層                                         │
│     - 學習 → .learnings/LEARNINGS.md                    │
│     - 錯誤 → .learnings/ERRORS.md                       │
│     - 本體 → memory/ontology/graph.jsonl                │
└────────────────────┬────────────────────────────────────┘
                     ▼
┌─────────────────────────────────────────────────────────┐
│  4. 優化行動層                                           │
│     - 更新 SESSION-STATE.md                             │
│     - 更新 HEARTBEAT.md                                 │
│     - 優化 AGENTS.md/TOOLS.md                           │
└─────────────────────────────────────────────────────────┘

每週流程（週日 23:00）

┌─────────────────────────────────────────────────────────┐
│  1. 檢視 .learnings/ 文件                                │
│     - 識別重複錯誤                                       │
│     - 提煉核心學習                                       │
│     - 晉升到 AGENTS.md/TOOLS.md                         │
└────────────────────┬────────────────────────────────────┘
                     ▼
┌─────────────────────────────────────────────────────────┐
│  2. 檢視本體圖譜                                         │
│     - 識別孤立實體                                       │
│     - 建立新關係                                         │
│     - 優化 schema.yaml                                  │
└────────────────────┬────────────────────────────────────┘
                     ▼
┌─────────────────────────────────────────────────────────┐
│  3. 檢視行動模式                                         │
│     - 優化 WAL Protocol                                 │
│     - 更新 Working Buffer 規則                           │
│     - 調整 Autonomous Crons                             │
└─────────────────────────────────────────────────────────┘

📊 健康檢查指標

記憶層健康

指標	目標	檢查頻率	驗證命令
Layer 1 更新	每次對話	實時	`ls -lht layer1-conversations/`
Layer 2 分類	5 類完整	每日	`ls layer2-events/`
Layer 3 文件	>0	每週	`cat layer3-permanent/*.md`
memory_search	<3 秒	按需	`memory_search query="test"`

進化層健康

指標	目標	檢查頻率	驗證命令
LEARNINGS.md	>0/週	每週	`cat .learnings/LEARNINGS.md`
ERRORS.md	0 重複	每日	`grep "重複" .learnings/ERRORS.md`
本體圖譜	>10 實體	每週	`wc -l memory/ontology/graph.jsonl`
知識晉升	>1/月	每月	`grep "晉升" .learnings/LEARNINGS.md`

行動層健康

指標	目標	檢查頻率	驗證命令
SESSION-STATE.md	更新 <2h	每 2h	`ls -lht SESSION-STATE.md`
Working Buffer	清空 <24h	每日	`cat memory/working-buffer.md`
WAL Protocol	100% 執行	每次對話	`grep "WAL" layer1-conversations/`
Resourcefulness	嘗試>3 種	每次任務	`grep "嘗試" working-buffer.md`

🚨 違規處理

記憶層違規

違規	處理
未讀取 Layer 3 就行動	警告 + 補讀取
未寫入 Layer 1	警告 + 補記錄
重複犯同一錯誤	重啟 + 記錄教訓
失憶（唔記得之前講過）	降級權限 + 通知 CEO

進化層違規

違規	處理
未記錄學習	警告 + 補記錄
未記錄錯誤	警告 + 記錄教訓
本體圖譜未更新	警告 + 補實體
知識未晉升	提醒 + 安排晉升

行動層違規

違規	處理
未執行 WAL Protocol	警告 + 補寫入
Working Buffer 超時	警告 + 清理
未嘗試 3 種方法就求助	提醒 + 繼續嘗試
SESSION-STATE 未更新	警告 + 補更新

📝 模板文件

Layer 1 對話記錄模板

# YYYY-MM-DD [Agent 名] 對話記錄

## HH:MM - [主題]

**參與者：** CEO, [Agent]
**關鍵內容：**
- [要點 1]
- [要點 2]

**提取記憶：**
- **任務：** [Txxx]
- **錯誤：** [如有]
- **學習：** [如有]
- **習慣：** [如有]

**寫入位置：**
- Layer 1: ✅ 已寫入
- Layer 2: ✅ 已寫入（如適用）
- Layer 3: ✅ 已寫入（如適用）

Layer 2 任務記錄模板

# [任務 ID] [任務名稱]

**創建：** YYYY-MM-DD
**負責：** [Agent]
**狀態：** 🔄 進行中 / ✅ 完成 / ❌ 失敗

## 目標
[任務目標]

## 進度
- [ ] 步驟 1
- [ ] 步驟 2

## 結果
*完成後填寫*

## 教訓
*完成後填寫*

學習記錄模板

## LRN-YYYYMMDD-XXX - [學習主題]

**日期：** YYYY-MM-DD
**來源：** [對話/任務/錯誤]

**摘要：**
[一句話總結]

**詳情：**
[詳細描述]

**建議行動：**
[具體行動建議]

**晉升狀態：** ⏳ 待晉升 / ✅ 已晉升到 [文件]

錯誤記錄模板

## ERR-YYYYMMDD-XXX - [錯誤主題]

**日期：** YYYY-MM-DD
**嚴重性：** 🔴 高 / 🟡 中 / 🟢 低

**摘要：**
[一句話總結]

**錯誤詳情：**
[詳細描述]

**建議修復：**
[具體修復方案]

**重複檢測：** ⚠️ 重複 / ✅ 首次
**相關錯誤：** [見 ERR-YYYYMMDD-YYY]

🛠️ 工具命令

記憶層命令

# 搜索記憶
memory_search query="<關鍵詞>"

# 讀取 Layer 3
cat /shared/memory/layer3-permanent/user-profile.md

# 讀取 Layer 2 任務
cat /shared/memory/layer2-events/tasks/Txxx.md

# 讀取 Layer 1
cat /shared/memory/layer1-conversations/YYYY-MM-DD/<agent>.md

進化層命令

# 記錄學習
node scripts/log-learning.mjs learning "摘要" "詳情" "建議行動"

# 記錄錯誤
node scripts/log-learning.mjs error "摘要" "錯誤詳情" "建議修復"

# 創建本體實體
python3 scripts/ontology.py create --type Task --props '{"title":"任務名","status":"open"}'

# 查詢本體
python3 scripts/ontology.py query --type Task --where '{"status":"open"}'

# 建立關係
python3 scripts/ontology.py relate --from proj_001 --rel has_task --to task_001

行動層命令

# 更新 SESSION-STATE
edit SESSION-STATE.md

# 更新 Working Buffer
edit memory/working-buffer.md

# 檢查 HEARTBEAT
cat HEARTBEAT.md

📚 參考文件

核心文件

AGENTS.md - 運營規則
SOUL.md - 身份原則
USER.md - 用戶上下文
MEMORY.md - 長期記憶
HEARTBEAT.md - 週期性自檢

記憶層文件

/shared/memory/layer1-conversations/ - 對話總結
/shared/memory/layer2-events/ - 事件記錄
/shared/memory/layer3-permanent/ - 永久記憶

進化層文件

.learnings/LEARNINGS.md - 學習記錄
.learnings/ERRORS.md - 錯誤記錄
.learnings/FEATURE_REQUESTS.md - 功能請求
.learnings/EXPERIMENTS.md - 實驗記錄
memory/ontology/graph.jsonl - 本體圖譜
memory/ontology/schema.yaml - 類型定義

行動層文件

SESSION-STATE.md - 主動工作記憶
memory/working-buffer.md - 危險區日誌

🎯 快速開始

新 Agent 首次使用：

讀取核心文件
```
cat AGENTS.md SOUL.md USER.md
```

讀取記憶層

cat /shared/memory/layer3-permanent/user-profile.md
cat /shared/memory/layer2-events/tasks/
cat /shared/memory/layer1-conversations/$(date +%Y-%m-%d)/

讀取進化層

cat .learnings/{LEARNINGS,ERRORS,FEATURE_REQUESTS,EXPERIMENTS}.md
cat memory/ontology/graph.jsonl

讀取行動層

cat SESSION-STATE.md
cat memory/working-buffer.md
cat HEARTBEAT.md

開始行動（跟從 WAL Protocol）

最後更新： 2026-04-05 07:10
維護： 所有 Agent（每次對話必須使用）
版本： v1.0

Comments

Loading comments...