knowledge-loop

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：

1. 识别关键知识点（概念、方法、经验、决策）
2. 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：

1. 读取最近 7 天的 memory/ 文件
2. 提取可长期保留的知识点
3. 判断是否已有相关条目（去重）
4. 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：

1. 运行「压铸知识」
2. 运行「学习总结」
3. 对比新旧知识 → 发现冲突/重复/缺失
4. 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：

1. 读取最近 7 天 memory 文件
2. 发现 3 个新知识点
3. 写入 MEMORY.md，去重 1 个已有知识
4. 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：

1. 压铸知识（同上）
2. 生成学习摘要
3. 对比发现：上次学的 X 概念可以更新了
4. 输出完整回路报告

---

本 Skill 基于 Loop Engineering 橙皮书设计，持续迭代中