| name | knowledge-loop |
| description | 知识回路 Skill：基于 Loop Engineering 橙皮书方法论，将碎片知识自动压铸为结构化 memory，每日/每周输出知识摘要，形成持续学习闭环。触发词：「压铸知识」「知识回路」「学习总结」「知识摘要」「整理知识」「回顾学习」。
|
| metadata | {"openclaw":{"emoji":"🔄"}} |
知识回路 Skill — Loop Engineering
基于 Loop Engineering 橙皮书 方法论设计
核心理念
四步回路：输入 → 处理 → 输出 → 反馈
碎片信息/对话/阅读
↓
[输入捕获] → 自动记录到 memory/YYYY-MM-DD.md
↓
[知识压铸] → 碎片 → 结构化 → MEMORY.md 长记忆
↓
[定期输出] → 每日/每周生成知识摘要
↓
[反馈修正] → 对比新旧知识，修正偏差
触发规则
被动触发（自动）
- 每次对话结束后，捕获新知识点写入
memory/YYYY-MM-DD.md
- 每天首次启动时，回顾昨日学习内容
- 每周日生成
memory/weekly-digest.md 周报
主动触发（关键词）
- 「压铸知识」→ 将指定内容结构化存入 MEMORY.md
- 「知识回路」→ 运行完整四步回路
- 「学习总结」/「知识摘要」→ 生成指定时间段的知识摘要
- 「整理知识」→ 扫描最近的 memory 文件，提取结构化知识
- 「回顾学习」→ 回顾最近学到的知识点
操作流程
第一步：输入捕获（Capture）
当用户在对话中分享新知识时：
- 识别关键知识点（概念、方法、经验、决策）
- 记录到
memory/YYYY-MM-DD.md，格式：
## 🧠 知识捕获
- [时间] 知识点：<概念名>
- 来源：对话/阅读/项目
- 关键内容：<3句话总结>
- 关联：<已有知识/项目>
第二步：知识压铸（Crystallize）
用户说「压铸知识」时执行：
- 读取最近 7 天的
memory/ 文件
- 提取可长期保留的知识点
- 判断是否已有相关条目（去重）
- 写入
MEMORY.md，格式：
## 知识点：<标题> (YYYY-MM-DD)
**概念**：<一句话定义>
**核心内容**：
- <要点1>
- <要点2>
- <要点3>
**关联**：[相关项目] [相关知识] [相关人物]
**来源**：[对话 / URL / 项目]
第三步：定期输出（Output）
每日摘要（每次启动时自动）：
📋 昨日学习摘要 (YYYY-MM-DD)
- 新知识：[N] 个
- 巩固：[N] 个
- 待深入：[N] 个
每周摘要（每周日生成 memory/weekly-digest.md）：
# 📊 每周知识摘要 (第N周)
## 本周新知
| 日期 | 知识点 | 领域 | 掌握程度 |
|------|--------|------|----------|
| ... | ... | ... | ⭐⭐⭐ |
## 深度话题
- <本周深入研究的主题>
## 待办延伸
- <还需继续研究的内容>
## 下周重点
- <计划深入的方向>
第四步：反馈修正（Reflect）
用户说「知识回路」时执行完整闭环：
- 运行「压铸知识」
- 运行「学习总结」
- 对比新旧知识 → 发现冲突/重复/缺失
- 输出修正建议
与现有系统集成
| 回路步骤 | OpenClaw 机制 | 用法 |
|---|
| 输入捕获 | memory/YYYY-MM-DD.md | 自动追加 |
| 知识压铸 | MEMORY.md 结构化条目 | 手动/半自动 |
| 定期输出 | Heartbeat + Cron | 每日/每周触发 |
| 反馈修正 | Memory 去重 + 冲突检测 | 压铸时自动 |
命令参考
# 用户主动触发的命令（AI 执行，不是用户执行）
# 这些触发词对应 AI 自动执行以下操作：
压铸知识 → read memory/ 最近7天 → 提取结构化知识 → write MEMORY.md
知识回路 → 压铸知识 + 学习总结 + 反馈修正
学习总结 → read memory/ 指定时间段 → 生成摘要
整理知识 → 扫描所有 memory/ → 去重 → 优化 MEMORY.md
回顾学习 → 搜索 MEMORY.md 最近更新的知识点 → 列出
# Cron 定时（可选配置）
每周日 21:00 → 自动运行「知识回路」
每天 09:00 → 输出昨日学习摘要
使用示例
用户：「压铸知识」
AI：
- 读取最近 7 天 memory 文件
- 发现 3 个新知识点
- 写入 MEMORY.md，去重 1 个已有知识
- 输出：「✅ 压铸完成：新增 2 个知识点，去重 1 个，3 个待深入」
用户：「知识回路」
AI：
- 压铸知识（同上）
- 生成学习摘要
- 对比发现：上次学的 X 概念可以更新了
- 输出完整回路报告
本 Skill 基于 Loop Engineering 橙皮书设计，持续迭代中
