MemoryHamster 🤖#

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！