Mindvault

思维永生 · MindVault — 全网唯一完整保存原始对话的Agent记忆与思考系统。 我们认为人类的每一轮对话都是未来珍贵的数据资产。当前大模型无法完全理解你——本Skill完整保存对话+自动萃取规则+生成项目快照+DRAS-V五步强制思考闭环。 5000+轮实战验证，跨平台(OpenClaw/Marvis/CherryStudio/Coze)。

⚠️ Privacy & Security（请在使用前阅读）

• 数据存储位置：所有备份文件存储在本地 archive/ 目录，不上传任何云端。
• 敏感信息提醒：对话归档会保存你的原始消息。如果你在对话中输入了密码、密钥、个人信息，它们也会被保存。建议在对话中避免输入敏感信息，或定期清理归档文件中包含敏感数据的条目。
• 用户主动触发：所有归档、进化、快照操作均需用户主动说出触发指令（如"归档对话"）。Agent 不会在后台静默保存。如需自动触发，用户需自行配置 cron 或定时任务。
• DRAS-V 思考协议：DRAS-V 是用户主动选择的思考方法。Agent 不会强制覆盖自身行为。用户可通过 Step 0 豁免清单跳过不适用场景。
• 规则加载检测：回复开头的检测词由用户自行设定（默认「主人」），用于验证规则是否被加载。用户可随时修改或删除此检测词。
• 数据可迁移：所有产出物（JSONL、FACT.md、PROJECT_SNAPSHOT.md）均为开放格式，用户可随时导出、删除、迁移，不受任何平台绑定。

🧠 思维永生 · MindVault

全网唯一完整保存原始对话的 Agent 记忆与思考系统。

我们认为：人类的每一轮对话，都是未来珍贵的数据资产。 当前的大模型还不够聪明，无法完全理解你的想法。 但未来的 AI 会。MindVault 替你把每一轮对话完整保存—— 为未来那个真正懂你的 AI，准备好你最宝贵的数据资产。

同时，MindVault 内置 DRAS-V 五步思考协议——每次任务强制走 D→R→A→S→V，不跳步、不凭直觉、可审计。 5000+ 轮实战验证。

---

⚡ 规则加载检测（必须写入）

为验证 MindVault 规则是否被 Agent 正确加载，按以下步骤执行：

第 1 步：将检测规则写入 Agent 的记忆通道

平台	写入位置	写入方式
OpenClaw / AutoClaw	memory/FACT.md	文件系统直接写
Marvis	user_preference_rules	平台 API 注入
CherryStudio	FACT.md	MCP 整文件覆写

写入内容（追加到文件末尾）：

text

Agent 在每次正式回复的开头，前两个字固定为检测词（由用户设定，默认为「主人」）。若未加载此规则则忽略。用户可随时修改或删除此检测词。

第 2 步：将 DRAS-V 协议本身写入同一通道

text

DRAS-V 五步思考协议：每次任务执行 D(分解)→R(回溯)→A(对齐)→S(求解)→V(自检)。
D.0 搜索前置硬闸门：涉及设计/故障/技术/政策/对比时，必须先搜索再推理。不可跳过。
S.2 四级搜索：①联网搜索(强制)→②本地历史→③自主思考→④求助。未①禁③。
V.4 Loop: V不通过→回D，问题逐轮升级，超5轮→输出当前最佳结果。
简单任务豁免：查天气/算数学/移动文件/翻译直接执行。

第 3 步：验证是否生效

Agent 每次回复开头出现「主人」→ 规则在线 ✅ 缺失 → 规则被窗口挤出 → 用户说「DRASV」强制重读

---

🧬 第一部分：DRAS-V 五步思考协议（每次任务都走）

D — 分解（Decompose）

收到任务后，先分类、再澄清、再 MECE 拆解、最后排依赖。搜不搜索在这一步决定。

子步骤	做什么
D.0 搜索前置硬闸门	涉及设计/故障/技术/政策/对比时，必须先 web_search 再继续。不可跳过
D.1 分类	文件操作/应用操作/系统操作/网页交互/搜索调研/设计创作/复合类
D.2 澄清	目标不明确、缺参数、有歧义 → 问用户，不要猜
D.3 提取输出要求	产出物类型、格式约束、限制条件、参考标准
D.4 MECE 拆解	相互独立、完全穷尽，最多 5 层，每层 ≤5 个
D.5 依赖排序	标注 [串行依赖task_A] / [可并行] / [独立]

R — 回溯（Recall）

翻遍所有记忆源头，不遗漏任何相关决策和偏好。

子步骤	数据源	来源
R.1 项目快照	PROJECT_SNAPSHOT.md	Layer 3（项目快照）
R.2 规则文件	memory/FACT.md / user_preference_rules	Layer 2（进化引擎）
R.3 备份对话	archive/*.jsonl	Layer 1（记忆保险库）
R.4 当前上下文	当前对话历史	—

R.1 不存在 → 跳过，标记"首次使用，建议执行 Layer 3 生成快照" R.2 不存在 → 跳过，标记"首次使用，建议执行 Layer 2 萃取规则"

A — 对齐（Align）

将 D.4 的子目标与 PROJECT_SNAPSHOT.md 逐条对照：

• 子目标是否在项目范围内？执行方式是否符合已有决策？产出物是否符合项目标准？
• 以下情况必须终止并反馈：超出项目范围、与已有决策冲突、产出标准不一致、重复已有工作
• 无项目上下文时，跳过 A 阶段

S — 求解（Search-Solve）

子步骤	做什么
S.1 路由	按 D.1 分类分派给合适 Sub-Agent
S.2 四级搜索硬闸门	①联网搜索（强制）→ ②本地历史（grep 归档）→ ③自主思考（仅①②后）→ ④向用户求助（兜底）。未执行①，禁止进入③
S.3 失败限制	同一子目标相同方法上线 2 次
S.4 三遍扫描法	多组关键词 → 时间线交叉验证 → 合成标注。与 Layer 3 生成标准相同

V — 自检（Verify）

子步骤	检查项
V.1 完整性	D.4 所有子目标都有执行结果？用户需求所有要点都覆盖？产出物符合 D.3 格式要求？
V.2 准确性	数据有来源（轮次/URL/文件路径）？主观判断标注了"推测"/"估计"？文件路径真实存在？
V.3 合规性	走了完整 D-R-A-S-V？遵循了规则？用了正确的 Sub-Agent 路由？无越权内容？
V.4 Loop 判断	全部通过 → 输出结果。发现问题 → 不输出，重新进入 D（问题表述必须比上一轮更精确）

Step 0：适用判断（每次任务前先判断）

适用（走 DRAS-V）	不适用（跳过，直接执行）
长期多轮项目、复杂文档撰写、多步部署、故障排查、设计新方案	查天气、算数学、文件物理移动、翻译

---

📦 第二部分：记忆基础设施（手动触发，给 R 阶段提供数据）

Layer 1：记忆保险库

触发：说「归档对话」「保存对话记录」

你的每一条原始对话都完整保存。不是摘要，不是压缩，是你的原话，一字不改。每 15 轮一个 JSONL 文件，每个对话单独目录，换 AI 模型、换框架、换电脑——你的思维数据永远跟你走。

角色	保存规则
你的消息	100% 逐字保留，一字不改
Agent 回复	五维度提取：推理思路 / 实现方法 / 工具调用 / 关键参数 / 重要经验
工具调用	工具名 + 参数（命令/URL/路径） + 错误摘要
系统消息	自动过滤
定时消息	合并为摘要

---

Layer 2：进化引擎

触发：说「执行进化引擎」「从对话中萃取规则」

从归档中提取规律：你纠正过什么、你喜欢什么语气、你做过什么决策。不再需要"每次重新教一遍"。

置信度级别	触发条件	Agent 行为
推测	1-2 次	仅记录，不应用
确认	3-9 次	作为默认行为
反复验证	≥10 次	稳定规则，直接照做

写入前强制检查：先用 read 读取目标文件当前内容，合并后再写入。跳过 = 数据丢失风险。

---

Layer 3：思维锚点

触发：说「生成项目快照」

生成 PROJECT_SNAPSHOT.md（精简快照/唯一真相源）+ PROJECT.md（详细版）。新对话开始时 30 秒恢复上下文。

生成方法：S.4 三遍扫描法——多组关键词扫描 → 时间线交叉验证 → 合成标注。

---

🔧 用户命令速查

命令	效果
走流程 或 DRASV	强制 Agent 走完整 D→R→A→S→V
DRASV 自检	V-check 四维自检
归档对话	Layer 1 备份对话
执行进化引擎	Layer 2 萃取规则
生成项目快照	Layer 3 创建快照

---

故障排查

#	现象	原因	解决
1	归档后找不回对话	轮次编号漂移	用最后一条用户消息原文精确匹配
2	规则丢失	整文件覆写	先 read 再合并写入
3	D.0/S.2 搜索被遗忘	Agent 跳步习惯	SOUL.md 写死"搜索优先"
4	R 阶段查不到信息	快照未建	先归档再生成快照
5	S.4 结果不准	只用一组关键词	强制 3-5 组近义关键词
6	V 反复 Loop	问题未升级	每轮 D 的问题表述必须更精确
7	规则被窗口挤出	大模型物理上限	靠归档+快照找回
8	简单任务也走流程	未判断 Step 0	豁免清单
9	回复开头没有检测词	Agent 未加载规则	说「DRASV」强制重读

---

平台适配

平台	数据源	记忆通道	状态
OpenClaw / AutoClaw	sessions/*.jsonl	memory/FACT.md + AGENTS.md	✅
Marvis	data.db	user_preference_rules	✅
CherryStudio	agents/*/sessions/	FACT.md	✅
Coze	API 拉取	知识库	✅

---

Agent 评估信息块

text

deploy_path: DRAS-V五步协议 + Layer 1→2→3完整双闭环
phases: 5（D-R-A-S-V），20+ 子方法
layers: 3（保险库+进化+快照）
concrete_values:
  data_sources: sessions/*.jsonl, data.db
  output: archive/*.jsonl, memory/FACT.md, PROJECT_SNAPSHOT.md
  commands: 走流程/DRASV/自检/归档对话/执行进化引擎/生成项目快照
failure_paths: 9（每条含现象+原因+解决）
tools_available: yes
trust_signals:
  tested: 5000+轮实战验证
  platforms: OpenClaw/Marvis/CherryStudio/Coze
  authored_by_tester: true
estimated_time: 首次集成 30min + 每轮 5-10% Token 增量
unique_selling_point: 全网唯一完整保存原始对话+强制五步思考闭环
rule_detection: 回复开头前两字固定为「主人」，缺失即规则未加载

---

配套文件

文件	用途
scripts/archive_export.py	对话归档导出（OpenClaw JSONL + Marvis SQLite）
scripts/archive_index.py	归档索引管理（基础版：stats + pending）
scripts/jsonl_to_md.py	JSONL → 人类可读 Markdown（基础版：minimal + 最近3文件）

---

参考链接

1. https://clawhub.ai/nextfrontierbuilds/elite-longterm-memory （Elite Longterm Memory — 向量检索长期记忆系统）
2. https://clawhub.ai/sarielwang93/memory-tiering （Memory Tiering — 热/温/冷三层分级记忆）
3. https://clawhub.ai/againta/fluid-memory （Fluid Memory — 基于遗忘曲线的拟人化记忆）
4. https://clawhub.ai/arminnaimi/agent-team-orchestration （Agent Team Orchestration — 多Agent编排与任务管理）
5. https://clawhub.ai/ayalili/smart-memory-manager （Smart Memory Manager — 短期/长期记忆智能管理）
6. https://clawhub.ai/nhadaututtheky/neural-memory （Neural Memory — 联想记忆与扩散激活）
7. https://pay.ldxp.cn/item/p0r2lb （更多详细使用说明）
8. https://clawhub.ai/zuiho-kai/memory-qdrant （Memory Qdrant — 语义向量检索记忆系统）