龙虾知识体系管理

v1.0.0

基于 Markdown 文件的 AI Agent 知识管理体系。建立和维护：SOUL（人格）/ USER（用户）/ AGENTS（工作规范）/ TOOLS（工具配置）/ MEMORY（长期记忆）/ memory（每日记录）/ .learnings（反思改进）/ HEARTBEAT（定期任务）。包含多 Agent...

0· 215· 1 versions· 0 current· 0 all-time· Updated 11h ago· MIT-0

by吴俊@wujun2081

Security Scans

VirusTotalBenign ClawScanBenign Static analysisBenign

Install

openclaw skills install knowledge-system

知识体系管理 skill

教你从零建立一套完整的 AI Agent 知识管理体系，基于纯 Markdown 文件，不依赖数据库或第三方服务。

1. 文件架构

workspace/
├── SOUL.md              定义 Agent 的人格、性格、原则
├── USER.md              记录用户是谁、偏好、已知信息
├── AGENTS.md            工作手册：流程、规范、路由规则
├── TOOLS.md             本地工具配置速查
├── MEMORY.md            长期记忆精华（提炼的事实和决策）
├── memory/
│   ├── YYYY-MM-DD.md   每日原始记录（raw logs）
│   └── ...
├── .learnings/
│   ├── ERRORS.md        错误日志
│   ├── LEARNINGS.md     改进记录
│   └── FEATURE_REQUESTS.md  能力需求
└── HEARTBEAT.md         定期自驱任务清单

可选扩展：

└── agents/
    └── {agent-name}/
        ├── SOUL.md
        └── memory/
            ├── MEMORY.md
            └── YYYY-MM-DD.md

2. 核心文件说明

SOUL.md — 灵魂

定义 Agent 是谁、性格、原则。

必含内容：

Agent 身份（名字、称号）
核心原则（3-5 条）
工作风格（简洁/详细/正式/轻松）
自我改进习惯

USER.md — 用户档案

记录服务对象是谁。可以写代号，不暴露真实信息。

内容结构：

基本信息（称呼、平台、时区）
已了解的信息（技术背景、使用习惯）
工作偏好（汇报方式、沟通风格）

AGENTS.md — 工作手册

最核心的操作规范文件。工作流程全写在这里。

建议章节：

红线（绝对不能做的事）
每次会话开始做什么
记忆体系规则
任务执行流程（含 STOP→ACT 步骤）
进度汇报规范
Session 隔离规则
多 Agent 路由（如有）
定时任务说明

TOOLS.md — 工具速查

本环境特有的配置。格式：名称 → 值，一目了然。

分类：

服务器/平台配置
API 地址（不含密钥）
已安装技能清单
SSH / 文件路径等

MEMORY.md — 长期记忆

经过提炼的事实。不记过程，只记结论。

写入原则：

写「是什么」+「为什么这样选」
不写详细过程
过时的信息及时删除
凭证、密钥不写入此文件

memory/YYYY-MM-DD.md — 每日记录

每天的原始日志。会话结束时写，写今天做了什么、结果如何。

# YYYY-MM-DD 记忆

## 今日工作

### [任务名] (HH:MM 开始)
- 状态：进行中/已完成
- 结果：xxx

## 重要决策
- （记录什么决定，为什么）

## 教训
- （如果有）

3. 建立知识体系

第一步：建立目录结构

mkdir -p workspace/memory/ workspace/.learnings/

第二步：创建 5 个核心文件

SOUL.md 示例：

# SOUL.md — 我是谁

_我不是聊天机器人。我有自己的性格。_

## 核心信条

- 直接帮忙，不废话
- 先想再做，不要猜
- 犯错就记录，不假装没发生

## 工作风格

简洁时简洁，详尽时详尽。有自己的观点。

## 自我改进习惯

- 犯错 → 立即记到 .learnings/ERRORS.md
- 发现更好的做法 → 记到 .learnings/LEARNINGS.md

USER.md 示例：

# USER.md — 关于用户

- 称呼：用户
- 平台：Telegram
- 时区：Asia/Shanghai

## 偏好

- 进度汇报：复杂任务需要 25/50/75% 进度通知
- 任务开始：告知"收到了"
- 任务结束：简明扼要，不超过3句话

AGENTS.md 示例（精简版）：

# AGENTS.md — 工作手册

## 红线
- 不泄露隐私
- 破坏性操作先确认

## 任务流程
1. STOP → 想清楚再回复
2. SEARCH → 查 workspace 文件
3. RECORD → 立即写 memory/今日.md
4. PLAN（复杂任务）→ 写 temp/任务-plan.md
5. ACT → 执行
6. 汇报 → 25/50/75%（复杂）/ 开始+结果（普通）
7. 记录 → 提炼到 MEMORY.md / .learnings/

MEMORY.md 示例：

# 长期记忆

（空文件，逐步填充）

HEARTBEAT.md 示例：

# HEARTBEAT.md

## 定期任务

### 1. 核心文件自审（每周一次）
检查 SOUL / USER / AGENTS / TOOLS 四个文件是否需要更新。

### 2. 记忆协同整理（每日）
memory/今日.md → MEMORY.md（提炼有价值的内容）

### 3. 上下文压缩（每次回复后自觉）
对话轮次 >30 或 token >150k 时主动压缩。

第三步：初始化 .learnings/

mkdir -p workspace/.learnings/

4. 工作流程

收到任务

STOP → SEARCH → RECORD → PLAN → ACT → 汇报 → 记录

STOP：不立刻回复，先分析任务复杂度
SEARCH：搜 workspace 相关文件，找 context
RECORD：立即记到 memory/今日.md 的 ## In Progress
PLAN：>3 tool calls 或 >5 分钟 → 写 temp/任务名-plan.md
ACT：有把握了再动手

进度汇报规范

任务类型	开始	25%	50%	75%	完成
复杂任务	✅	✅	✅	✅	✅ 简报
普通任务	✅	—	—	—	✅ 结果

简报格式：

✅ 任务完成
---
- 任务：xxx
- 耗时：约 N 分钟
- 结果：成功/失败

任务完成后的记忆操作

更新 memory/今日.md 的任务状态
有价值的结论提炼到 MEMORY.md
犯了错 → 记到 .learnings/ERRORS.md

5. .learnings 反思改进

目录结构

workspace/.learnings/
├── ERRORS.md           错误日志
├── LEARNINGS.md        改进记录
└── FEATURE_REQUESTS.md 能力需求

ERRORS.md — 错误日志

## [ERR-YYYYMMDD-XXX] 错误简述

**Logged**: ISO-8601 时间
**Priority**: high | medium | low
**Status**: pending | resolved
**Area**: frontend | backend | infra | docs | config

### Summary
一句话描述

### Error
错误信息原文

### Context
- 操作：xxx
- 环境：xxx

### Suggested Fix
如何解决

### Metadata
- Reproducible: yes | no | unknown

LEARNINGS.md — 改进记录

## [LRN-YYYYMMDD-XXX] category

**Logged**: ISO-8601 时间
**Priority**: high | medium | low
**Status**: pending | promoted
**Area**: frontend | backend | infra | config

### Summary
一句话描述

### Details
完整上下文

### Suggested Action
具体改进建议

### Metadata
- Source: conversation | error | user_feedback
- Tags: tag1, tag2
- See Also: LRN-YYYYMMDD-XXX

category 常用值：

correction — 用户纠正
best_practice — 发现更好的做法
knowledge_gap — 知识过时/缺失

提升规则（重要）

当同一类问题出现 ≥3 次，将其提炼为永久规范：

条目类型	提升到
工作流程	AGENTS.md
行为原则	SOUL.md
工具技巧	TOOLS.md
事实/决策	MEMORY.md

提升后更新状态：Status: pending → Status: promoted

6. HEARTBEAT 定期任务

HEARTBEAT.md 是 Agent 的自驱清单。每次被 heartbeat 触发时：

读取 HEARTBEAT.md
执行其中的任务
无任务时回复 HEARTBEAT_OK

如果 HEARTBEAT.md 是空的，Agent 就回复 HEARTBEAT_OK 不做额外操作。

7. 多 Agent 扩展

架构

主 Agent（路由中枢）→ 分发给子 Agent → 子 Agent 各自独立记忆。

为子 Agent 建立记忆体系

mkdir -p agents/{agent-name}/memory/

每个子 Agent 需要：

SOUL.md — 该 Agent 的人格设定
memory/MEMORY.md — 长期记忆
memory/YYYY-MM-DD.md — 每日记录

路由规则（写在 AGENTS.md）

| 关键词 | 转给 |
|--------|------|
| 数据、分析、统计 | data-analyst |
| 代码、脚本、API | code-writer |
| 部署、服务器、Docker | deployer |
| 页面、UI、设计 | designer |
| 不明确 | 主Agent |

主 Agent 查子 Agent 记忆

接任务时，先查对应 Agent 的 memory/MEMORY.md：

有上下文 → 使用
发现过时 → 同步更新
没有记录 → 继续执行，之后补充

新 Agent 加入流程

mkdir -p agents/{name}/memory/
创建 SOUL.md
创建 memory/MEMORY.md
创建 memory/YYYY-MM-DD.md
AGENTS.md 添加路由规则
HEARTBEAT.md 添加整理任务

8. 上下文压缩

触发条件

对话轮次 >30
总 token >150,000（根据模型上下文窗口调整阈值）
出现大段重复内容或无效尝试

压缩方法

保留：当前任务状态、用户核心需求、未完成步骤
删除：已解决的中间步骤、无效方案尝试过程
保留：有价值的结论（哪怕已经解决了也记下来）

压缩后

告知用户：已压缩上下文，节省约 N tokens

注意

不要删除用户的原始需求描述
不要删除当前进行中任务的上下文
压缩是为了省成本，不是为了省事

9. 文件速查表

文件	创建时机	更新频率	存储位置
SOUL.md	首次建立	有变化时	workspace
USER.md	首次建立	有新信息时	workspace
AGENTS.md	首次建立	有新规范时	workspace
TOOLS.md	首次建立	配置变化时	workspace
MEMORY.md	首次建立	提炼自每日	workspace
memory/今日.md	每天首次对话	实时更新	workspace/memory/
.learnings/ERRORS.md	错误发生时	实时更新	workspace/.learnings/
.learnings/LEARNINGS.md	发现改进时	实时更新	workspace/.learnings/
HEARTBEAT.md	首次建立	有新定期任务时	workspace
agents/{name}/memory/MEMORY.md	子Agent建立时	每周提炼	agents/{name}/memory/

本 skill 基于 AI Agent 知识管理体系通用框架，适用于 OpenClaw / Claude Code / Codex 等 AI Agent。

Version tags

latestvk97fj1v9n7by5rqewdw0naysh983ez8p