Memory Hamster

Agent 记忆进化系统 - 温度模型 + 自动归档 + 学习记录 + 技能提炼。让 AI 每天变得更聪明。

Agent 记忆进化系统

合并记忆管理与自我进化，让 AI 每天变得更聪明。

核心功能

1. 温度模型 🌡️

温度	时间范围	存储位置	说明
🔥 热	< 7 天	memory/*.md	活跃数据，高频访问
🟡 温	7-30 天	memory/*.md	近期数据，偶尔访问
❄️ 冷	> 30 天	memory/.archive/	归档数据，低频访问

2. 学习记录系统 📝

类型	文件	触发条件
教训	.learnings/LEARNINGS.md	被纠正、发现更好方法、知识缺口
错误	.learnings/ERRORS.md	命令失败、API 错误、异常
功能请求	.learnings/FEATURE_REQUESTS.md	用户想要新能力

3. 自动 GC（每周日 00:00）

bash

./skills/memory-hamster/scripts/memory-gc.sh

功能：

• 扫描超过 30 天的日志文件
• 移动到 memory/.archive/YYYY-MM/ 目录
• 生成 GC 报告

4. 夜间反思（每日 23:45）

bash

./skills/memory-hamster/scripts/nightly-reflection.sh

功能：

• 验证记忆 CRUD
• 创建反思记录
• 更新健康度统计
• 检查待归档数据

5. 技能提炼 🏗️

bash

./skills/memory-hamster/scripts/extract-skill.sh <lesson-name> [skill-name]

功能：

• 从 .learnings/LEARNINGS.md 读取教训
• 生成 skills/<skill-name>/SKILL.md
• 自动创建技能模板

6. 语义搜索 🔍

优势： 基于关键词的语义匹配，支持范围过滤和相关性排序

bash

# 搜索记忆（Node.js 脚本）
node "${CLAUDE_PLUGIN_ROOT}/scripts/search-memory.cjs" [--user|--repo|--both] "USER_QUERY_HERE"

范围	说明
--user	搜索个人/用户记忆（跨会话）
--repo	搜索项目/代码记忆
--both	同时搜索（默认）

示例：

• "昨天做了什么" → node search-memory.cjs "work yesterday recent activity"
• "如何实现认证" → node search-memory.cjs --repo "authentication implementation"
• "编码偏好" → node search-memory.cjs --user "coding preferences style"

7. Promotion 机制 📈

学习类型	提升到	示例
行为模式	SOUL.md	"简洁回复，不说废话"
工作流改进	AGENTS.md	"长任务 spawning 子代理"
工具技巧	TOOLS.md	"Git push 需要先配置 auth"

目录结构

text

workspace/
├── MEMORY.md                    # 核心长期记忆（<5KB）
├── SOUL.md                      # 行为准则
├── AGENTS.md                    # 工作流
├── TOOLS.md                     # 工具技巧
├── memory/                      # 每日记忆（温度模型）
│   ├── INDEX.md
│   ├── YYYY-MM-DD.md            # 每日日志
│   ├── lessons/README.md        # 教训索引
│   ├── decisions/README.md      # 决策索引
│   ├── people/                  # 人物档案
│   ├── reflections/             # 反思记录
│   └── .archive/                # 冷数据归档（>30 天）
├── .learnings/                  # 学习记录（进化核心）
│   ├── LEARNINGS.md             # 教训/纠正/最佳实践
│   ├── ERRORS.md                # 错误记录
│   └── FEATURE_REQUESTS.md      # 功能请求
└── skills/memory-hamster/
    ├── SKILL.md                 # 本文件
    └── scripts/
        ├── memory-gc.sh         # GC 归档脚本
        ├── nightly-reflection.sh # 夜间反思脚本
        ├── extract-skill.sh     # 技能提取脚本
        └── search-memory.cjs    # 语义搜索脚本（新增）

🚀 快速开始

1. 安装技能

bash

# 从 ClawHub 安装
clawhub install memory-hamster

2. 初始化（已完成）

bash

# 目录结构已创建
# 文件已初始化

2. 配置 Cron 任务

bash

# 编辑 crontab
crontab -e

# 添加以下任务（根据实际安装路径调整）
0 0 * * 0 ./skills/memory-hamster/scripts/memory-gc.sh >> ./logs/memory-gc.log 2>&1
45 23 * * * ./skills/memory-hamster/scripts/nightly-reflection.sh >> ./logs/nightly-reflection.log 2>&1

3. 日常使用

会话开始：

1. 读取 MEMORY.md 获取核心记忆
2. 检查今日日志 memory/YYYY-MM-DD.md

会话中：

• 重要决策 → memory/decisions/
• 犯错/教训 → .learnings/LEARNINGS.md 或 ERRORS.md
• 用户纠正 → .learnings/LEARNINGS.md (category: correction)
• 发现更好方法 → .learnings/LEARNINGS.md (category: best_practice)

会话结束：

• 更新每日日志
• 标记完成事项

学习记录格式

教训条目（LEARNINGS.md）

markdown

## [LRN-YYYYMMDD-XXX] category

**Logged**: 2026-03-09T11:00:00+08:00
**Priority**: low | medium | high | critical
**Status**: pending | resolved | promoted
**Area**: workflow | tool | behavior | knowledge

### Summary
一句话描述学到了什么

### Details
完整上下文：发生了什么，什么错了，什么是对的

### Suggested Action
具体的修复或改进建议

### Metadata
- Source: conversation | error | user_feedback
- Related Files: path/to/file.ext
- Tags: tag1, tag2
- See Also: LRN-20260309-001 (如果相关)
- Pattern-Key: simplify.dead_code (可选，用于追踪重复模式)

---

错误条目（ERRORS.md）

markdown

## [ERR-YYYYMMDD-XXX] command_or_skill

**Logged**: 2026-03-09T11:00:00+08:00
**Priority**: high
**Status**: pending | resolved

### Summary
什么失败了

### Error

实际错误信息

text

### Context
- 尝试的命令/操作
- 使用的输入或参数
- 相关环境信息

### Suggested Fix
如果可识别，什么可能解决这个问题

---

功能请求条目（FEATURE_REQUESTS.md）

markdown

## [FEAT-YYYYMMDD-XXX] capability_name

**Logged**: 2026-03-09T11:00:00+08:00
**Priority**: medium
**Status**: pending | implemented

### Requested Capability
用户想要什么功能

### User Context
为什么需要，解决什么问题

### Suggested Implementation
如何实现

---

ID 生成规则

格式：TYPE-YYYYMMDD-XXX

• TYPE: LRN (学习), ERR (错误), FEAT (功能)
• YYYYMMDD: 当前日期
• XXX: 序列号 (001, 002, ...)

示例：LRN-20260309-001, ERR-20260309-001, FEAT-20260309-001

解决条目

当问题解决后，更新条目：

1. 改 **Status**: pending → **Status**: resolved
2. 添加解决块：

markdown

### Resolution
- **Resolved**: 2026-03-09T12:00:00+08:00
- **Commit/PR**: abc123 或 #42
- **Notes**: 简要描述做了什么

Promotion 流程

当学习具有广泛适用性时，提升到配置文件：

何时 Promotion

• 学习适用于多个文件/功能
• 任何 AI 贡献者都应该知道的知识
• 防止重复犯错
• 记录项目特定规范

Promotion 目标

学习类型	提升到	示例
行为模式	SOUL.md	"简洁回复，不说废话"
工作流改进	AGENTS.md	"长任务 spawning 子代理"
工具技巧	TOOLS.md	"Git push 需要先配置 auth"

如何 Promotion

1. 提炼 学习成简洁的规则或事实
2. 添加 到目标文件的相关部分
3. 更新 原始条目：
   • 改 **Status**: pending → **Status**: promoted
   • 添加 **Promoted**: SOUL.md 或 AGENTS.md 或 TOOLS.md

技能提取流程

当学习足够有价值时，提取为独立技能：

提取标准

满足以下任一条件：

• 重复出现: 有 2+ 个相关的 See Also 链接
• 已验证: Status 是 resolved 且有有效解决方案
• 非显而易见: 需要实际调试/调查才发现
• 广泛适用: 不限于特定项目
• 用户指定: 用户说"保存为技能"

提取步骤

bash

# 1. 运行提取脚本
./skills/vv-evolution/scripts/extract-skill.sh <lesson-name> [skill-name]

# 2. 完善生成的 SKILL.md

# 3. 更新原学习条目
# Status: promoted_to_skill
# Skill-Path: skills/<skill-name>/

健康度指标

指标	正常范围	检查频率
MEMORY.md 大小	< 5KB	每日
热数据数量	5-10 个	每周
教训数量	持续增长	每周
归档率	< 20%/周	每周
.learnings/ 待办	< 20	每周
上下文大小	< 100k	每会话

上下文管理策略

详见 AGENTS.md → OpenClaw Best Practices → 上下文管理策略

核心：热/温/冷数据温度模型 + 100k 阈值监控

Heartbeat 检查

详见 AGENTS.md → Heartbeat 检查清单

优先级指南

优先级	何时使用
critical	阻塞核心功能、数据丢失风险、安全问题
high	重大影响、影响常见工作流、重复问题
medium	中等影响、有变通方案
low	小不便、边缘情况、锦上添花

最佳实践

1. 立即记录 - 上下文最新鲜
2. 具体明确 - 未来的 vv 需要快速理解
3. 包含复现步骤 - 特别是错误
4. 链接相关文件 - 让修复更容易
5. 建议具体修复 - 不只是"调查"
6. 使用一致分类 - 便于过滤
7. 积极 Promotion - 有疑问就提升到配置文件
8. 定期回顾 - stale 学习失去价值

与其他技能的关系

技能	关系
browser-search	搜索信息时可记录学习
tavily-search	搜索信息时可记录学习
find-skills	发现新技能后记录
github	项目相关学习记录
skill-creator	技能提取时使用

---

🤖 MemoryHamster 进化宣言：每天进步一点点，积少成多！