amber-hunter — AI 第二大脑 Skill#

What It Is#

amber-hunter 是运行在本地（port 18998）的 FastAPI 服务，为 Claude Code 提供长期记忆能力和知识自动编译能力。

核心能力矩阵：

能力说明引入版本记忆胶囊持久化存储 AI 工作产生的想法/决策/上下文v1.0混合搜索LanceDB 向量 + 关键词联合检索v1.2.27意图预测根据 session 内容预测下一步最可能的需求v1.2.27DID E2E 加密设备绑定加密，云端隐私保护v1.2.24知识编译器同类胶囊自动编译成 wiki 概念页v1.2.38

启动#

bash

cd ~/.openclaw/skills/amber-hunter
python3 amber_hunter.py
# 或后台运行
python3 amber_hunter.py &

服务启动时：

1. 自动初始化 SQLite 数据库（ memory.db）
2. 启动编译 daemon（每 6 小时扫描一次覆盖缺口）
3. 冷启动编译（启动时如果有覆盖缺口，立即触发一次）

认证#

操作认证方式所有外部请求Bearer Token（从 /token 获取，写入 ~/.openclaw/token）/token, /bind-apikey, /master-password强制 localhost 检查Bearer Token 调用在 Authorization: Bearer <token> Header 中传递

Token 获取流程（首次设置）：

bash

# 1. 启动服务
python3 amber_hunter.py

# 2. 从本地获取 token（仅 localhost 可访问）
curl http://localhost:18998/token
# 返回: {"token": "xxx"}

# 3. 写入本地配置
echo "Bearer xxx" > ~/.openclaw/token

API 端点总览#

无需认证（localhost）#

端点方法说明GET /statusGET服务状态、版本、平台、胶囊数GET /tokenGET读取本地 API TokenPOST /bind-apikeyPOST更新 Huper 云端 API Key（存 Keychain）POST /master-passwordPOST设置 master_password（Keychain）

核心 — 胶囊管理（Bearer Token）#

端点方法说明/capsulesGET列出胶囊（支持 category_path 过滤 + 分页 limit）/capsulesPOST创建胶囊/capsules/{id}GET获取单个胶囊详情/capsules/{id}PATCH更新胶囊/capsules/{id}DELETE删除胶囊

核心 — 记忆召回（Bearer Token）#

端点方法说明/recallGET混合搜索（向量+关键词+LanceDB，rerank）/rerankPOST强制 LLM 重排候选记忆/classifyGET关键词+LLM fallback 分类/extractPOST从文本中提取记忆（LLM 驱动）/ingestPOSTAI 主动写入记忆（→ 入库或审阅队列）

/recall 参数：

参数类型默认说明qstring必填查询文本rerankboolfalse是否启用 LLM rerank (deprecated, use rerank_engine)rerank_enginestring"auto"重排序引擎：auto | model | llm | nonehydeboolfalse是否启用 HyDE（假设性答案增强检索）v1.2.41multi_hopboolfalse是否启用多跳检索 v1.2.41limitint3返回数量category_pathstring""MFS路径过滤use_insightsbooltrue是否优先返回 insight 缓存citationint01=返回 embedding 裁剪的片段

/recall 响应新增字段（v1.2.41）：

字段类型说明rerank_time_msfloatreranker 耗时（毫秒）hyde_time_msfloatHyDE 生成耗时（毫秒）retrieval_hopsint检索跳数（multi_hop 启用时 > 1）

/recall/evaluate 端点（v1.2.41）：

端点方法说明/recall/evaluatePOSTRAG 评测（RAGAS + NDCG@5）

/recall/evaluate 请求体：

json

{"queries": [{"q": "...", "expected_capsule_ids": ["..."]}]}

/recall/evaluate 响应：

json

{
  "ragas_scores": {"faithfulness": 0.x, "answer_relevancy": 0.x, "context_precision": 0.x},
  "ndcg_at_5": 0.x,
  "evaluated_at": "...",
  "total_queries": 2
}

/ingest 参数：

参数类型说明contentstring记忆内容tagsstring标签（逗号分隔）session_keystring来源 sessionauto_reviewbooltrue=直接入库，false=进审阅队列

审阅队列（Bearer Token）#

端点方法说明/queueGET列出待审阅记忆/queue/{qid}/approvePOST批准写入胶囊/queue/{qid}/rejectPOST拒绝/queue/{qid}/editPOST修改后批准

知识编译器 v1.2.38+（Bearer Token）#

端点方法说明/conceptsGET列出所有已编译概念页（ ?limit=50&offset=0 分页）/concepts/{path}GET获取指定 path 的 wiki 内容/admin/compilePOST手动触发编译（ ?path= 指定路径）/admin/compile/statusGETdaemon 状态 + 覆盖缺口列表 + 健康指标（alert/crashes/success_count）

编译触发条件：

条件说明胶囊数比上次编译时多 ≥100增量触发超过 6 小时未编译定时触发

覆盖缺口： 有 ≥3 个胶囊但无 concept page 的 category_path。

管理操作（Bearer Token + localhost）#

端点方法说明/admin/backfill-pathsPOST批量修复缺失的 category_path/admin/reindex-vectorsPOST重建 LanceDB 向量索引/admin/trainPOST触发 embedding 模型训练/admin/train/statusGET训练状态/admin/train/scoreGET模型评分/admin/train/tagsGET标签统计/admin/generate-insightsPOST手动生成 insights（按 path）/statsGET系统统计/admin/exportGET导出备份

DID E2E 加密（Bearer Token）#

端点方法说明/did/setupPOST初始化 DID（生成密钥对，存 Keychain）/did/statusGETDID 初始化状态/did/register-devicePOST注册设备到 DID 网络/did/auth/challengePOST获取 auth challenge/did/auth/sign-challengePOST签名 challenge，完成认证

WAL（Write-Ahead Log）#

端点方法说明/wal/statusGETWAL 状态/wal/entriesGET读取 WAL 条目/wal/gcPOST触发 WAL GC

Session 上下文#

端点方法说明/session/summaryGET当前 session 记忆摘要/session/filesGET当前 session 相关文件列表/session/preloadGET预加载 context（供 Claude Code 使用）/freezeGET/POST冻结当前 session 上下文

Profile#

端点方法说明/profileGET完整用户 profile/profile/{section}GET/PUT读取/更新 profile 章节/profile/buildPOST触发 profile 自动构建

Corrections（记忆纠错）#

端点方法说明/corrections/statsGET纠错统计/corrections/suggestionsGET纠错建议/corrections/applyPOST应用纠错规则

工具类#

端点方法说明GET /GET根路径，返回欢迎信息GET /patternsGET当前系统运作的 Pattern 列表POST /mcpPOSTMCP（Model Context Protocol）接口

数据模型#

capsules 表#

sql

CREATE TABLE capsules (
    id              TEXT PRIMARY KEY,     -- 唯一 ID (secrets.token_hex)
    memo            TEXT,                 -- 记忆摘要
    content         TEXT,                  -- 完整内容
    category_path   TEXT,                  -- 分类路径，如 "dev/python"
    tags            TEXT,                  -- 逗号分隔标签
    hotness_score   REAL DEFAULT 0,        -- 热度分
    hit_count       INTEGER DEFAULT 0,     -- 被 recall 命中的次数
    session_id      TEXT,                  -- 来源 session
    encrypted       INTEGER DEFAULT 0,     -- 是否加密
    vector_id       TEXT,                  -- LanceDB 向量 ID
    synced          INTEGER DEFAULT 0,    -- 是否已同步云端
    created_at      REAL,                  -- unix timestamp
    updated_at      REAL,
    content_hash    TEXT                   -- 去重用
)

insights 表（v1.2.17+）#

sql

CREATE TABLE insights (
    id              TEXT PRIMARY KEY,
    capsule_ids     TEXT,          -- JSON array
    summary         TEXT,           -- 纯文本摘要
    path            TEXT,           -- category_path
    concept_slug    TEXT,           -- slug化 path (v1.2.38+)
    wiki_content    TEXT,           -- 完整 markdown (v1.2.38+)
    hotness_score   REAL DEFAULT 0,
    created_at      REAL,
    updated_at      REAL
)

memory_queue 表#

sql

CREATE TABLE memory_queue (
    id          TEXT PRIMARY KEY,
    content     TEXT,
    tags        TEXT,
    session_id  TEXT,
    source      TEXT DEFAULT 'ingest',
    created_at  REAL
)

配置#

配置文件： ~/.openclaw/skills/amber-hunter/config.json

json

{
  "auto_sync": true,
  "sync_interval_seconds": 300,
  "embed_model": "BAAI/bge-m3",
  "vector_dim": 1024,
  "rerank_model": "BAAI/bge-reranker-v2-m3",
  "llm_model": "gpt-4o-mini",
  "huper_api_key": "sk-...",
  "key_source": "pbkdf2",
  "compile_interval_hours": 6.0,
  "compile_capsule_threshold": 100
}

关键行为#

胶囊创建时的 category_path 推断#

/ingest 和 /capsules POST 会自动从内容中推断 category_path：

text

推理依据：content + tags → LLM 分类
兜底：category_path = "general/default"

/recall 混合评分公式#

text

final_score = 0.35 * norm_lance + 0.25 * norm_kw + 0.20 * recency + 0.20 * hotness

• LanceDB 向量相似度（归一化）
• 关键词 overlap 分
• 近期性（7天衰减）
• 热度分

wikilinks 注入策略（Knowledge Compiler）#

LLM 生成 wikilinks 不稳定（max_tokens=600 时 Related Capsules 部分常被截断）。 最终策略： 代码事后注入：

python

wikilinks = " ".join(f"[[{cid}:{short_label}]]" for cid in capsule_ids)
wiki_content = wiki_content.rstrip() + f"\n\n### Related Capsules\n{wikilinks}"

Cold Start 行为#

服务启动时：

1. 如果有覆盖缺口，立即触发一次 _run_batch_compile()
2. 如果 auto_train 启用，触发 embedding 模型训练

使用示例#

创建记忆#

bash

curl -X POST http://localhost:18998/ingest \
  -H "Authorization: Bearer $(cat ~/.openclaw/token)" \
  -H "Content-Type: application/json" \
  -d '{"content": "修了一个版本号测试过时的问题", "tags": "amber-hunter,bugfix"}'

召回记忆#

bash

curl "http://localhost:18998/recall?query=amber-hunter版本号问题&rerank=true" \
  -H "Authorization: Bearer $(cat ~/.openclaw/token)"

手动触发知识编译#

bash

# 编译指定 path
curl -X POST "http://localhost:18998/admin/compile?path=knowledge/devops" \
  -H "Authorization: Bearer $(cat ~/.openclaw/token)"

# 查看 daemon 状态和缺口
curl "http://localhost:18998/admin/compile/status" \
  -H "Authorization: Bearer $(cat ~/.openclaw/token)"

获取已编译的概念页#

bash

# 列出所有概念页
curl "http://localhost:18998/concepts" \
  -H "Authorization: Bearer $(cat ~/.openclaw/token)"

# 获取指定概念页
curl "http://localhost:18998/concepts/knowledge/devops" \
  -H "Authorization: Bearer $(cat ~/.openclaw/token)"

已知限制#

1. Bearer Token 存在磁盘： ~/.openclaw/token 是明文，localhost 以外不安全
2. 向量索引重建昂贵： /admin/reindex-vectors 在大量胶囊时耗时较长
3. Wiki 编译器依赖 LLM：LLM 不可用时 compile_concept_page 返回 None
4. DID 注册需要 Huper 云端：本地 DID setup 后还需要云端注册才生效

相关文件#

text

amber-hunter/
├── amber_hunter.py      # FastAPI 主文件，所有端点
├── core/
│   ├── db.py            # SQLite 数据层
│   ├── wiki_compiler.py # 知识编译器（v1.2.38）
│   └── llm.py           # LLM 调用封装
├── tests/
│   └── test_api/
│       └── test_status.py  # 状态 API 测试
├── config.json          # 配置文件
└── SKILL.md             # 本文档

适用场景#

用 amber-hunter 当：

• 需要 AI 在长时间对话中保持"记忆"
• 需要从历史胶囊中检索相关经验
• 需要将多个相关记忆自动组织成概念页
• 需要加密存储敏感记忆到云端

不用 amber-hunter 当：

• 简单 KV 存储（用文件或 SQLite 直接写）
• 需要服务端部署（它是纯本地服务）
• 需要多人实时协作（它是单人设计）