全面记忆

📌 Skill基础信息

Skill名称：Total Recall（全面回忆）

简称：total-recall

来源：社区第三方（monasprox开发）

运行宿主：OpenClaw Agent（专为OpenClaw框架设计）

核心定位：这是一个全自动的AI记忆系统，通过LLM实时观察、压缩和整理对话内容，形成优先级记忆笔记，实现零维护的跨会话记忆保持，特别适合需要长期上下文维护的AI助手场景。

🧩 内部核心组成

架构层级

• 观察层（Observer）：定时压缩近期会话到观察文件
• 反射层（Reflector）：自动合并过量观察记录
• 会话恢复层（Session Recovery）：确保无会话遗漏
• 响应式监听层（Reactive Watcher）：Linux实时监听触发
• 预压缩钩子（Pre-compaction hook）：上下文压缩前紧急捕获

可选模块：梦境循环（Dream Cycle）

• 夜间自动归档系统
• 记忆类型分类与衰减管理
• 模式识别与语义钩子

文件结构

memory/               # 主记忆目录
  observations.md     # 核心观察记录
  archive/            # 归档记忆
  dream-logs/         # 梦境运行日志
logs/                 # 系统运行日志
scripts/              # 功能脚本
prompts/              # LLM提示词模板

🛠 安装与启用方式

安装命令：

skills install --user monasprox/openclaw-memory

核心依赖：

• 系统工具：jq, curl
• API密钥：OPENROUTER_API_KEY（必需）
• 可选依赖：Linux系统需inotify-tools

配置步骤：

1. 运行安装命令获取skill文件
2. 设置OpenRouter API密钥到环境变量
3. 执行setup.sh脚本初始化目录结构
4. 手动配置cron任务（观察器每15分钟，反射器每小时）
5. Linux系统可额外启用响应式监听服务

📋 标准工作流

1. 用户与Agent交互：正常对话会话进行
2. 观察器触发：每15分钟或达到触发条件时：

- 扫描近期会话JSONL文件

- 提取用户与助手消息

- 去重处理后发送至LLM压缩

- 输出优先级笔记到observations.md

1. 反射器检查：当观察记录超过8000词时：

- 备份当前观察文件

- 调用LLM进行合并精简

- 替换为精简后版本（减少40-60%）

1. 会话恢复：每次/new或/reset时：

- 检查上次会话是否被正确捕获

- 必要时进行紧急观察处理

1. 梦境循环（可选）：夜间3点自动运行：

- 分类和归档过期记忆

- 添加语义检索钩子

- 生成优化后的观察文件

⚠️ 关键限制、缺陷、注意事项

平台限制：

• 完整功能仅支持Linux系统（需inotify-tools）
• macOS缺少响应式监听层，仅支持基础cron功能
• Windows系统【无公开支持信息】

资源消耗：

• Token消耗：每日约15-30次LLM调用，每次数百tokens
• 成本：使用免费模型时接近零成本（~$0.00/月）
• 存储：观察文件增长需定期反射器处理

生产环境适用性：

• ✅ 适合开发测试和个人助手场景
• ⚠️ 生产环境需谨慎评估LLM调用稳定性
• ❌ 不适合对记忆准确性要求极高的关键业务

已知限制：

• 依赖外部LLM API的可用性和响应质量
• 免费模型可能影响压缩质量
• 跨平台兼容性有限

✅ 适用场景 & ❌ 不适合场景

适用场景：

• 长期个人AI助手项目
• 需要跨会话记忆保持的聊天机器人
• 开发测试环境中的上下文维护
• 资源有限但需要基础记忆功能的项目

不适合场景：

• 商业级生产环境（稳定性要求高）
• 需要极高记忆准确性的应用
• Windows环境部署
• 无法接受外部API依赖的项目
• 对实时性要求极高的场景（最大15分钟延迟）

skills install --user monasprox/openclaw-memory

检测到隐私/敏感信息读取（预设模式 #3）
检测到隐私/敏感信息读取（预设模式 #6）