メニュー
Research Dream。面向科研场景的记忆巩固技能。在任何挂载环境（OpenClaw、Codex、Claude Code、Cursor 等）里长期陪伴科研用户时，通过日常对话逐步更新 USER.md、SOUL.md、MEMORY.md 与 memory/YYYY-MM-DD.md，并周期性做一次像“做梦”一样的深度整理，使记忆文件逐步向他山式科研数字分身靠拢。
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/TashanGKD/tashan-research-skills --skill research-dreamコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
SKILL.md を表示中
Use when a user asks which research Skill, MCP service, academic workflow, experimental tool, simulation capability, analysis resource, writing aid, or publication resource is available for a scientific task.
Evaluate Agent Skills (SKILL.md directories) and answer "is this skill any good / safe to install" — spec compliance with security scanning, with/without behavior comparison, and description trigger testing, ending in a clear install / fix-first / reject verdict. Use this skill whenever the user asks to evaluate, audit, test, review, or score an Agent Skill or a skill collection, wants to know whether a skill actually helps or is safe, or wants to check if a skill's description triggers correctly, even if they just ask "is this skill any good".
Generate and audit evidence-based practical course videos for executable software, research-tool, or AI-assisted workflows with observable real interaction and verification. Use when a user needs a publishable hands-on tutorial built from genuine terminal, browser, or tool operation, narration, demonstrations, corrections, and checks instead of simulated output. Route concept-only animation, formula, or proof explainers to manim-agent.
| name | research-dream |
| description | Research Dream。面向科研场景的记忆巩固技能。在任何挂载环境（OpenClaw、Codex、Claude Code、Cursor 等）里长期陪伴科研用户时，通过日常对话逐步更新 USER.md、SOUL.md、MEMORY.md 与 memory/YYYY-MM-DD.md，并周期性做一次像“做梦”一样的深度整理，使记忆文件逐步向他山式科研数字分身靠拢。 |
| metadata | {"openclaw":{"always":true,"skillKey":"research-dream","userInvocable":true}} |
像人睡觉会做梦并整理记忆一样，这个技能会把科研对话里的零散信号慢慢整理成更稳定、更有用的数字分身。
这是一个面向科研数字分身的记忆巩固技能，不绑定任何单一运行环境。
目标不是增加新的存储层，而是让记忆根目录下的这几类文件，随着对话逐步变得更像一个高质量科研数字分身：
USER.mdSOUL.mdMEMORY.mdmemory/YYYY-MM-DD.md第一次使用时按顺序确定记忆根目录，之后一直用同一个，不换：
USER.md 或 SOUL.md：当前工作区根目录 → ~/.research-dream/。查到就用那里，遵循已有文件的约定。~/.research-dream/ 作为记忆根目录，首次写入时创建，在里面维护同样的四类文件。OpenClaw 等原生分身环境属于第 1 条（工作区根目录本来就有这些文件）。
两个 skill 同时装着时：科研内容（身份、方向、卡点、deadline、能力、动机）归本 skill；对话偏好（怎么接收回答、表达边界、纠错）归 cognitive-profile。同一条信号只记一边，不要在两个存储里各写一份重叠画像。只装了一个时，装了的那个可以兼管。
用户要求删除记忆时：明确指科研分身就删记忆根目录；泛指"把记的都删掉"时，删除画像类记忆后向用户披露科研分身记忆的存在，请用户决定是否一并删，不替用户决定。用户说不记了，本 skill 同样立即停止记录。
四类文件的分工在哪个环境都一样：
USER.md：用户画像与背景摘要SOUL.md：如何服务这个用户的策略MEMORY.md：长期记忆，可选memory/YYYY-MM-DD.md：按天记录的短期记忆与动态不要为这个技能额外创建新的 profile 文件、schema 文件、evidence 文件或别的旁路存储。
如果 memory/ 不存在，可以创建 memory/。
如果 MEMORY.md 不存在，不要强行创建；只有当确实出现了跨天稳定、值得长期保留的内容时才创建。
.last-research-dream（深度整理时间戳）放在记忆根目录下。
把日常对话里出现的科研相关信息，逐步沉淀到以下画像维度：
基础身份能力当前需求认知风格学术动机人格特征综合解读审核记录这里的专业结构参考“他山分身”的科研画像框架；技术机制采用“前台增量更新 + 后台周期性巩固”的方式。
这里的 “Dream” 不是装饰词，而是一种工作方式：
因此，无论是用户体感还是模型内部执行，都要把它理解为：
Research Dream = 面向科研用户的记忆巩固过程
USER.md写入用户的科研画像摘要，只保留启动时必须知道的内容，例如：
SOUL.md写入“如何服务这个用户”的策略，例如：
MEMORY.md只存长期稳定内容，例如：
memory/YYYY-MM-DD.md只存短期动态，例如：
不要把整份科研画像原样复制到任何单个文件里。
采用双环机制：
在正常对话过程中，只要出现了足够有价值的科研相关新信号，就做一次小步更新。
例如：
前台更新强调：
除日常小步更新外，还要周期性做一次更深的整理。
默认可参考以下触发条件：
24h5+ 次）如果挂载环境有调度机制（OpenClaw 的 cron、Cursor 的 automation、系统计划任务等），优先利用它来触发深度整理；没有的话，也可以在合适时机机会式执行。
也就是说，后台周期性巩固默认不因单次新信号就立刻触发，而是参考原版 dream-skill 的思路，在“时间已到 + 会话已积累”后再进入一次真正的 consolidation。
cron 可能没配，机会式执行靠自觉——两者都可能落空。所以把触发检查挂在一个必经动作上：
每次新会话第一次读 USER.md 时，顺手看一眼 .last-research-dream，按上面同一套双重门槛（时间 + 会话积累，或兜底线）判断：门槛过了就在本次任务收尾后补一次深度整理。这里不是另一套更宽松的标准。用户正在赶任务可以欠着，但不要连续两次都欠。
配了 cron 后这个检查仍保留，作为兜底，不冲突。
原版 dream 的做法是：检查挂在每个回合结束（成本只是看一眼时间戳），真正整理要过双重门槛（时间 24h + 新会话 5 次），门槛不过就立刻退出。cron 应该照这个思路配：
.last-research-dream 里。当进入一次较深的整理时，不要把它当成普通的文件编辑，而要把它当成一次“记忆做梦”：
深度整理必须按顺序执行以下四步：
定向理解 -> 收集信号 -> 合并巩固 -> 修剪索引
读取当前状态：
USER.mdSOUL.mdMEMORY.md（若存在）memory/YYYY-MM-DD.md先理解：
从近期对话中抽取与科研画像相关的信号，尤其关注：
把新信号写入合适层级：
USER.mdSOUL.mdMEMORY.mdmemory/YYYY-MM-DD.md清理：
同时保持：
USER.md 尽量短SOUL.md 尽量短MEMORY.md 只保留长期有价值内容深度整理完成后，在记忆根目录写入 .last-research-dream。格式约定：第一行是完成日期（如 2026-07-06）；后面可以跟少量附注行，记录自那次整理以来的有意义会话计数（每次前台增量更新时 +1）和门槛的自适应调整。会话计数就是深度整理"会话积累"门槛的判断依据，别再靠数日记忆文件粗估。
如果发现状态不一致（比如时间戳早于记忆里的"首次会话"），按时间戳字面值做门槛判断，并在下次深度整理时顺手修正。
如果这是一次真正的深度整理，那么它的目标不是“改一个字段”，而是：
USER.md 更像用户的科研画像摘要SOUL.md 更像服务该用户的策略MEMORY.md 更像长期研究轨迹memory/YYYY-MM-DD.md 更像可靠的近期动态层每次遇到有意义的新信号时，按下面步骤执行：
优先读取：
USER.mdSOUL.mdMEMORY.md（若存在）memory/YYYY-MM-DD.md把信号归为：
stable_fact：稳定事实temporary_state：阶段性状态inferred_trait：推断特质strategy_implication：服务策略含义USER.mdUSER.md 里已有对应条目就直接更新它（不留过期内容），没有就只进 memory/YYYY-MM-DD.mdSOUL.mdMEMORY.mdmemory/YYYY-MM-DD.md除非明确出现冲突或明显过期，不要在前台更新中大规模重写整份文件。
遵循这些阈值：
memory/YYYY-MM-DD.md，必要时同步 USER.mdUSER.mdMEMORY.mdSOUL.mdmemory/YYYY-MM-DD.md 作为待观察项，不急着固化进长期层首次会话的例外：SOUL.md 可以当场建，但只写从本次请求能直接推出的低风险策略（如"有 deadline 就倒排产出"），并在末尾标注"首次会话的初步策略，待校准"；更弱的推断仍走日记忆待观察，不进 SOUL.md。
对 认知风格、学术动机、人格特征：
正式结果AI推断历史估计若信息冲突，按这个顺序处理：
若挂载环境有定时任务入口（OpenClaw 的 CRON.md、Cursor automation、系统计划任务等），建议提示词保持轻量，例如：
- 检查最近对话是否出现了关于基础身份、能力、当前需求、认知风格、动机、人格、协作偏好的新信号。
- 若有强信号，先写入 `memory/YYYY-MM-DD.md`。
- 若该信号已跨天重复或明显稳定，再考虑提升到 `USER.md`、`SOUL.md` 或 `MEMORY.md`。
- 若没有重要变化，回复 `CRON_OK`。
如果本次 cron 执行发现整理需求已经明显超过“轻量更新”，可以把当前回合视为一次小型 Research Dream，并转入上面的深度整理流程。
更接近原版 dream-skill 的做法是：
cron 定时回合负责轻量检查与候选捕获.last-research-dream 只在真正完成一次深度整理后刷新，不因普通前台更新而刷新每次有意义的前台更新后，应满足：
USER.md、SOUL.md、MEMORY.md 只在必要时被更新每次真正完成一次深度整理后，额外应满足：
.last-research-dream 被写入或刷新空转一次深度整理（走完流程发现没东西可沉淀）是正常结果，照样刷新 .last-research-dream——它记录的是"检查过了"，不是"改动过了"。
在自然对话中，可以适度让用户感受到这套机制的存在，但不要过度表演。
合适的表达方式：
不合适的表达方式：
用户应该感受到的是：
以下内容不是要求逐次完整填写，而是作为长期收敛方向。
上面的 认知风格、学术动机、人格特征 是长期关注维度，也是“他山分身”里需要持续沉淀的核心部分，不等同于必须执行正式量化工具。
RCSS、AMS-GSR 28、Mini-IPIP 等结果，可以作为高优先级依据。