Memory Focal System

焦距记忆系统 - 智能记忆管理，支持消息分类、按需加载、自动标签、遗忘曲线。Token 优化 40-60%。

🧠 焦距记忆系统 (Memory Focal System)

让 AI 记住重要的事，忘记不重要的事

---

核心功能

1. 🎯 焦距记忆机制

根据消息类型自动调节"记忆焦距"，决定读取多少上下文：

焦距模式	触发场景	加载内容	Token 节省
远景 (simple)	简单对话	无	100%
中景 (task)	任务执行	相关记忆	60-75%
近景 (memory)	情感/偏好	完整记忆	正常
微距 (new_info)	新信息	完整记忆 + 写入	正常

2. ⚡ 频率触发机制

基于访问频率自动强化重要记忆：

• 高频访问 → 自动提升到热存储
• 低频访问 → 自动降级到冷存储
• 智能计算记忆优先级

3. 📊 记忆分层管理

三层存储架构，优化性能：

• 热存储 (active)：最近 7 天，自动加载
• 温存储 (short_term)：7-30 天，按需加载
• 冷存储 (long_term)：30 天+，归档保存

4. 🤖 LLM 自动标签

AI 自动生成记忆标签，支持语义检索：

• 调用大模型 API（支持 dashscope、openai 等）
• 基于 MD5 缓存，避免重复调用
• 成本约 ¥0.5-10/月

5. 📉 遗忘曲线

艾宾浩斯遗忘曲线算法，智能清理：

• 基于存在天数、访问次数计算记忆强度
• 低强度记忆自动归档
• 超过 365 天可删除

6. 🔍 双链索引

标签 - 记忆双向索引，快速检索：

• 标签 → 记忆 ID 列表
• 记忆 ID → 标签列表
• O(1) 时间复杂度查询

7. 💾 增量式存储

Append-Only JSONL 格式，保证数据完整性：

• 只追加，不修改
• 避免并发冲突
• 易于备份和恢复

---

安装

bash

# 从 ClawHub 安装
clawhub install memory-focal-system

# 或本地安装（已预装）
cd ~/.openclaw/workspace/skills/memory-focal-system

---

配置

配置文件：~/.openclaw/workspace/skills/memory-focal-system/config.json

json

{
  "enabled": true,
  "auto_classify": true,
  "auto_write": true,
  "load_user": true,
  "load_memory": true,
  "load_focal_active": true,
  "token_limit": 8000
}

配置说明

字段	类型	默认值	说明
enabled	bool	true	是否启用记忆系统
auto_classify	bool	true	自动分类消息
auto_write	bool	true	自动写入新记忆
load_user	bool	true	加载用户配置文件
load_memory	bool	true	加载长期记忆文件
load_focal_active	bool	true	加载热存储记忆
token_limit	int	8000	Token 上限

---

使用方法

自动模式（推荐）

安装后自动生效，无需手动调用。

每次对话时：

1. 自动分类消息（4 种焦距模式）
2. 按需加载记忆文件
3. 判断是否需要写入新记忆
4. 自动写入（如需要）

手动模式

python

from memory_manager import MemoryManager

manager = MemoryManager()

# 处理消息
context = manager.process_message("用户偏好早上 8 点起床")
print(context)
# {
#   "category": "memory",
#   "load_user": "...",
#   "load_memory": "...",
#   "load_focal": [...],
#   "should_write": true,
#   "token_count": 907
# }

# 写入记忆
manager.write_memory("用户明天考试", "已记录", "event", ["考试", "日程"])

CLI 命令

bash

cd ~/.openclaw/workspace/memory-focal

# 初始化
python3 scripts/cli.py init

# 添加记忆
python3 scripts/cli.py add "用户偏好早上 8 点起床" --type preference --tags 作息，偏好

# 搜索记忆
python3 scripts/cli.py search "作息"

# 查看统计
python3 scripts/cli.py stats

# 查看高优先级记忆
python3 scripts/cli.py top 5

# 分类测试
python3 scripts/cli.py classify "在吗"

# 生成标签
python3 scripts/cli.py tag "用户明天考试"

# 预览归档计划
python3 scripts/cli.py cleanup

---

Token 优化效果

场景	优化前	优化后	节省
简单对话	8000 tokens	0 tokens	100%
任务执行	8000 tokens	2000-3000 tokens	60-75%
情感/偏好	8000 tokens	8000 tokens	0%
新信息	8000 tokens	8000 tokens	0%

综合节省：40-60%（取决于对话类型分布）

---

文件结构

text

memory-focal-system/
├── SKILL.md                  # 技能说明
├── README.md                 # 使用文档
├── _meta.json                # 元数据
├── config.json               # 配置文件
├── memory_manager.py         # 核心管理模块
└── classifier.py             # 消息分类器

memory-focal/                 # 记忆数据存储（独立目录）
├── config/config.json
├── data/raw/buffer.jsonl
├── data/index/
│   ├── tag_index.json
│   └── memory_index.json
├── storage/
│   ├── active/
│   ├── short_term/
│   ├── long_term/
│   └── archive/
└── scripts/
    ├── cli.py
    ├── classifier.py
    ├── frequency_trigger.py
    ├── storage_manager.py
    ├── auto_tag.py
    └── forget_curve.py

---

记忆数据格式

单条记忆（buffer.jsonl）

json

{
  "id": "mem_0001",
  "text": "用户偏好早上 8 点起床",
  "type": "preference",
  "tags": ["作息", "偏好"],
  "timestamp": "2026-03-29T08:00:00+08:00",
  "created_at": "2026-03-29T08:00:00+08:00",
  "access_count": 0,
  "last_accessed": null,
  "importance": 1.0,
  "layer": "active",
  "priority": 0.0
}

标签索引（tag_index.json）

json

{
  "version": "1.0.0",
  "tags": {
    "作息": ["mem_0001", "mem_0002"],
    "偏好": ["mem_0001"]
  }
}

---

高级功能

LLM 自动标签

需要配置 dashscope API key：

bash

python3 scripts/cli.py tag "用户明天考试" --api-key <your-api-key>

缓存机制：

• 基于 MD5 哈希缓存
• 相同文本不重复调用
• 查看缓存：python3 scripts/cli.py tag-stats
• 清空缓存：python3 scripts/cli.py tag-clear

频率触发

基于访问次数、最后访问时间、重要性计算优先级：

python

from frequency_trigger import FrequencyTrigger

trigger = FrequencyTrigger()
priority = trigger.calculate_priority(memory)

遗忘曲线

艾宾浩斯遗忘曲线算法：

python

from forget_curve import ForgetCurve

curve = ForgetCurve()
strength = curve.calculate_strength(memory)
schedule = curve.get_archive_schedule(memories)

---

注意事项

1. 首次使用需要初始化

   bash

   python3 scripts/cli.py init
   

2. LLM 自动标签需要 API key

   • 成本约 ¥0.5-10/月
   • 可手动关闭：config.json 中设置 "auto_tag": false

3. Python 版本要求

   • 核心功能：Python 3.6+
   • LLM 标签：Python 3.7+（需要 f-string 增强）

4. 备份建议

   • 定期备份 data/raw/buffer.jsonl

---

故障排除

问题 1：分类不准确

解决： 编辑 classifier.py，调整关键词列表

python

# 添加新的关键词
self.simple_keywords.append("新关键词")

问题 2：记忆写入失败

解决： 检查 CLI 路径和权限

bash

ls -la ~/.openclaw/workspace/memory-focal/scripts/cli.py
chmod +x ~/.openclaw/workspace/memory-focal/scripts/cli.py

问题 3：Token 超限

解决： 降低 token_limit 或减少加载的记忆文件

json

{
  "token_limit": 4000,
  "load_focal_active": false
}

---

更新日志

v1.0.0 (2026-03-29)

• ✅ 焦距记忆机制（4 种模式）
• ✅ 频率触发机制
• ✅ 记忆分层管理
• ✅ LLM 自动标签
• ✅ 遗忘曲线
• ✅ 双链索引
• ✅ 增量式存储
• ✅ CLI 工具（add/search/list/stats/top/tag/cleanup/classify）

---

反馈

• 问题反馈：GitHub Issues
• 技能更新：clawhub sync memory-focal-system
• 技能评分：clawhub star memory-focal-system

---

焦距记忆系统 - 让 AI 记住重要的事，忘记不重要的事