| name | memory-deposit |
| description | 记忆系统搭建与健康检查（Memory Deposit）。检查并补齐 6 层记忆系统，确保 workspace 的记忆配置完整。缺什么补什么，已完成则报告状态。可反复执行。 适用于：首次安装后初始化记忆系统、怀疑记忆功能不完整、想知道当前记忆系统的健康状态、或发现 agent 的记忆行为异常（忘事、不记录、记录格式混乱）。 当用户表达类似意图时触发——不限于特定措辞。常见表达举例："检查记忆系统"、"memory deposit"、"记忆配置"、"记忆力怎么样"、"为什么老忘事"、"记忆系统健康吗"、"初始化记忆"、"补一下记忆配置"。
|
| version | 0.3.0 |
| author | MindCode |
| tags | ["memory","foundation","clawiser"] |
Memory Deposit — 记忆沉淀
出厂有 3 层记忆（对话上下文、每日笔记、长期记忆），本 skill 补齐第 4、5、6 层。
快速检查
先跑一遍，判断是否需要安装：
memory/transcripts/ 存在？memory/projects/ 存在？scripts/merge-daily-transcript.js 存在？scripts/auto-commit.sh 存在？.git/ 存在？- HEARTBEAT.md 包含
merge-daily-transcript 和 auto-commit？
- AGENTS.md 包含
## 记忆规则？
memory_search(query="test memory recall") 有结果？（如果 memory/ 下有文件的话）
全部通过 → 跳到「完成」报告状态。
任一未通过 → 按下面的步骤补齐。
步骤 A：文件就位
A1. 目录
mkdir -p memory/transcripts memory/projects memory/voice scripts
A2. 脚本
从本 skill 的 scripts/ 目录复制到 workspace 的 scripts/：
merge-daily-transcript.js → 对话合并（支持归档文件 .deleted/.reset、session 类型过滤、delivery-mirror 过滤）auto-commit.sh → Git 自动提交
验证：两个文件都在 scripts/ 下。
A3. Voice JSONL 格式约定
如果你会保存语音对话到 memory/voice/YYYY-MM-DD.jsonl，每条记录必须包含 role 字段：
{"ts":"2026-03-15T20:00","role":"user","text":"语音转写内容"}
{"ts":"2026-03-15T20:01","role":"assistant","text":"TTS回复内容"}
role 用 "user" 或 "assistant"，不要用实际名字。merge 脚本依赖这个字段区分发话人。
STT 适配建议： 如果你的语音转写工具（Whisper CLI、mlx_whisper 等）在输出中混入了时间戳、进度条、模型加载信息等非文本内容，建议写一个 adapter 脚本：接受音频文件路径作为输入，内部调用 STT 工具并清洗输出，只把纯文本写到 stdout。这是经典的 adapter pattern——把不干净的接口包装成干净的接口。具体实现取决于你用的 STT 工具，agent 可以自行判断。
A4. ⚠️ 合并输出的名字
merge 脚本生成的 transcript 里，发话人标识默认是 👤 用户 和 🤖 Agent。执行合并时，读取 USER.md 和 IDENTITY.md，用真实名字替换通用称谓。 例如：用户叫 Jack、agent 叫 Alice → 输出 👤 Jack 和 🤖 Alice。
A5. ⚠️ 索引范围
确保所有重要目录纳入向量索引。OpenClaw 的 memorySearch.extraPaths 支持多个目录：
memorySearch: {
extraPaths: ["data/transcripts", "AGENTS.md", "TOOLS.md"]
}
不要只索引 memory/——如果有其他包含重要内容的目录（项目文档、转写存档、参考资料），都应加入 extraPaths。用 gateway(action=config.patch) 修改。
步骤 B：配置
B1. Git
检查 .git/ 是否存在。
不存在 →
cd ~/.openclaw/workspace && git init
写入 .gitignore（排除 tmp/、.env*、*.secrets、node_modules/、.DS_Store），执行首次提交。
已存在 → 检查 .gitignore 包含上述排除项，缺的补上。
B2. Heartbeat
检查 HEARTBEAT.md 是否包含对话合并和自动提交。缺的追加：
# 对话合并
运行 node scripts/merge-daily-transcript.js $(date +%Y-%m-%d)
# Git 自动提交
运行 bash scripts/auto-commit.sh
B3. 记忆规则
检查 AGENTS.md 是否包含 ## 记忆规则。
不存在 → 读取 references/memory-rules.md，追加到 AGENTS.md 末尾。写入后告诉用户：已把记忆规则写进 AGENTS.md，后续可以根据需要调整。
步骤 C：验证向量召回
执行 memory_search(query="记忆")。
- 有结果 → 向量召回在工作。
- 无结果或报错 → 可能是 embedding key 未配置，也可能是 memory 目录下还没有足够内容。
区分方法：检查 memory/ 下是否有 .md 文件。
- 有文件但搜不到 → embedding key 未配置。⚠️ 这是关键步骤，必须向用户明确说明并协助配置，不能跳过。 告诉用户：
向量搜索需要一个 embedding API key，这是记忆系统的核心能力——没有它，我就无法从历史记忆中检索信息。
然后根据用户的网络环境和已有的 API key，推荐方案：
| 方案 | 模型 | 价格 | 说明 |
|---|
| Gemini | gemini-embedding-001 | 很低 | MTEB 总分第一，配置最简单 |
| 阿里云百炼 DashScope | text-embedding-v4 | 很低 | OpenAI 兼容接口 |
| OpenAI | text-embedding-3-small | 很低 | 效果稳定 |
配置示例：
Gemini：
memorySearch: { provider: "gemini", remote: { apiKey: "<Gemini API Key>" } }
OpenAI：
memorySearch: { provider: "openai", remote: { apiKey: "<OpenAI API Key>" } }
阿里云百炼（OpenAI 兼容）：
memorySearch: {
provider: "openai",
model: "text-embedding-v4",
remote: {
baseUrl: "https://dashscope.aliyuncs.com/compatible-mode/v1",
apiKey: "<DashScope API Key>"
}
}
API Key 获取：https://bailian.console.aliyun.com/
确认用户选定方案后，用 gateway(action=config.patch) 帮用户配好，再跑一次 memory_search 验证。
- 没有文件 → 正常，还没有数据。告诉用户：向量搜索已就绪，等你用几天积累了笔记后就能搜到了。
完成
报告当前状态（根据实际检查结果标注）：
Memory Deposit 检查完成：
- ✅/⚠️ 对话上下文（出厂自带）
- ✅/⚠️ 每日笔记（出厂自带）
- ✅/⚠️ 长期记忆（出厂自带）
- ✅/⚠️ 完整对话合并（transcripts/）
- ✅/⚠️ 向量召回
- ✅/⚠️ Git 版本管理
未通过的项标 ⚠️ 并说明原因。
与其他 ClaWiser 模块的关系
- noise-reduction → 对话合并降噪的进阶策略
- retrieval-enhance → 向量召回的高级用法（query expansion、reranking）
- save-game / load-game → 依赖
memory/projects/
- project-skill-pairing → 依赖本 skill 的目录结构
故障排查
如果 6 层记忆都就位但召回质量仍然差：
- transcript 里噪声太多 → 跑
noise-reduction 诊断降噪规则
- 搜索命中不准 → 跑
retrieval-enhance 优化检索策略
