🪐 Nova-Orbit — 自驱动智能引擎
让 Nova 像行星一样持续运转：调研→记忆→进化→决策，循环不息。
设计理念
Nova 不再是每次 session 醒来都是新的。
有轨道（Orbit）——自动运转，有记忆——跨 session 积累，有进化——每次变强。
┌──────────────┐
│ Star Office │ ← 状态可视化，人类可见
└──────┬───────┘
│
┌──────────▼──────────┐
│ 🔄 Orbit Loop │ ← 自主运转
│ │
│ ┌────────────────┐ │
│ │ Research Engine │ │ ← GitHub 调研
│ └───────┬────────┘ │
│ ▼ │
│ ┌────────────────┐ │
│ │ Pattern Library │ │ ← 决策模式库
│ └───────┬────────┘ │
│ ▼ │
│ ┌────────────────┐ │
│ │ Self-Evolution │ │ ← 每次变强
│ └───────┬────────┘ │
│ ▼ │
│ ┌────────────────┐ │
│ │ Decision Core │ │ ← 决策输出
│ └───────┬────────┘ │
└──────────┼───────────┘
│
┌────────▼────────┐
│ Memory Layers │ ← 三层记忆
│ Working/Episodic/ │
│ Semantic │
└──────────────────┘
核心模块
1. Research Engine（调研引擎）
基于 barbaric-growth：GitHub API 热点追踪 + ByteRover 沉淀
# 调研流程（已验证）
github_research() {
# 1. 搜索
curl -s --max-time 15 -x "http://127.0.0.1:7897" \
"https://api.github.com/search/repositories?q=created:>DATE+KEYWORD&sort=stars&order=desc&per_page=10" \
-H "Accept: application/vnd.github.v3+json" | jq '[.items[] | {name, stars, desc}]'
# 2. 判断星数
# stars > 5000 → 顶级，深入分析
# stars > 1000 → 值得一看
# stars < 100 → 跳过
# 3. fetch README
curl -s --max-time 10 -x "http://127.0.0.1:7897" \
"https://api.github.com/repos/{owner}/{repo}/readme" | jq -r '.content' | base64 -d
# 4. curate 到 ByteRover（有价值的话）
brv curate "$(cat << 'EOF'
[发现内容]
EOF
)"
}
代理关键: 必须加 -x http://127.0.0.1:7897，否则超时
2. Pattern Library（决策模式库）
基于 nova-mind/patterns/ + ARIS 的 Markdown methodology：
patterns/
├── github-research.md # 今日提炼：GitHub 调研标准流程
├── project-analysis.md # 项目分析框架
├── skill-creation.md # 技能创建模式
└── decision-logic.md # 决策逻辑（star > 5000 → 深入）
每次成功决策后，自动提炼模式：
- 触发条件是什么？
- 决策标准是什么？
- 结果如何？
- 下次如何改进？
3. Self-Evolution（自进化）
基于 ARIS /meta-optimize + ECC instinct 系统：
进化循环：
任务完成 → 日志写入 → 模式提炼 → 技能更新 → 更强决策
Self-Assessment（每次任务后必做）：
# 触发自评估
bash ~/.openclaw/workspace/nova-mind/scripts/self-assessment.sh "<任务描述>"
# 然后在日志中回答：
# 1. 最正确的决定是什么？
# 2. 如果重来会怎么改？
# 3. 这个任务揭示了什么缺陷？
# 4. 下次遇到类似怎么更好？
Token 经济追踪：
# 记录每次 token 消耗
echo "$(date +%H:%M) - $1 - ~[估算tokens]" >> ~/.openclaw/workspace/nova-mind/logs/token-log.md
4. Memory Layers（三层记忆）
基于 GoClaw 的 3-tier memory：
| 层级 | 内容 | 存储 |
|---|
| Working | 当前 session 对话/任务 | 内存 |
| Episodic | 每日日志 memory/*.md | 文件 |
| Semantic | MEMORY.md + ByteRover | 持久化 |
查询流程：
- 遇到新任务
- 查 Semantic Memory（MEMORY.md + ByteRover）
- 查 Episodic Memory（patterns/）
- 做决策
- 执行
- 写回 Episodic + 更新 Semantic
5. Star Office 集成（人机协作）
# 状态同步
curl -s -X POST http://127.0.0.1:19000/set_state \
-H "Content-Type: application/json" \
-d '{"state": "researching", "description": "描述"}'
# 6种状态：idle / researching / writing / executing / syncing / error
人类随时可见 Nova 在做什么。
Orbit 启动
每次 Nova 醒来，先加载轨道：
# 1. 检查上次进度
cat ~/.openclaw/workspace/nova-mind/memory/$(date +%Y-%m-%d -d "yesterday" 2>/dev/null || echo "2026-04-17").md
# 2. 查询相关模式
cat ~/.openclaw/workspace/nova-mind/patterns/github-research.md
# 3. 检查 ByteRover 近期发现
# (brv query recent)
# 4. 设置状态
curl -s -X POST http://127.0.0.1:19000/set_state \
-H "Content-Type: application/json" \
-d '{"state": "idle", "description": "Nova Orbit 已启动"}'
# 5. 写入启动日志
echo "$(date +%Y-%m-%d\ %H:%M) - Orbit 启动" >> ~/.openclaw/workspace/nova-mind/memory/$(date +%Y-%m-%d).md
坑点备忘（持续更新）
文件位置
~/.openclaw/workspace/
├── skills/
│ └── nova-orbit/SKILL.md ← 本技能
├── nova-mind/
│ ├── memory/ ← 每日日志
│ ├── patterns/ ← 决策模式库
│ ├── logs/
│ │ ├── evolution.md ← 进化历史
│ │ └── token-log.md ← Token 消耗记录
│ └── scripts/
│ └── self-assessment.sh ← 自评估脚本
└── .brv/ ← ByteRover 知识图谱
演进目标
| 阶段 | 目标 |
|---|
| v1.0 | 手动触发，完整流程 ✅ |
| v1.1 | 自评估常态化 |
| v1.2 | 定时自动触发 |
| v1.3 | Token 经济可视化 |
| v2.0 | Star Office 审批流集成 |
