agent-memory-system-guide
by cjke84
An Agent long-term memory guide for OpenClaw, Codex, and Obsidian workflows. Covers MEMORY.md, daily notes, session recovery, memory distillation, and optional OpenViking support.
安装
claude skill add --url github.com/openclaw/skills/tree/main/skills/cjke84/agent-memory-system-guide文档
Agent Memory System Guide
🧠 An Agent long-term memory guide for OpenClaw, Codex, and Obsidian. Use a minimal
MEMORY.md, daily notes, and archive flow to get started first, then distill and refine over time.
触发词
记忆系统、memory-setup、搭建记忆、记忆架构
5 分钟快速上手
如果你赶时间,只做三步:
第一步:创建 MEMORY.md
# MEMORY.md
> 长期记忆。只保留会持续影响协作的事实、偏好和决策。
## User
- Preferred name: K
- Timezone: Asia/Shanghai
## 当前任务
- [ ] 正在做的事
## 决策记录
- YYYY-MM-DD: 决策内容 + 原因
## 踩坑记录
- 问题 → 解决方案
第二步:创建每日笔记
# memory/2026-03-20.md
## 完成
- 分析了网宿科技
## 决策
- 暂不加仓
## 踩坑
- (无)
## 待办
- [ ] 明天要做什么
第三步:从模板创建 SESSION-STATE.md 和 working-buffer.md
# SESSION-STATE.md
## 当前任务
- 任务名称
## 已完成
- ...
## 卡点
- ...
## 下一步
- ...
## 恢复信息
- 最近一次有效上下文:...
# working-buffer.md
## 进行中
- ...
## 临时决策
- ...
## 未完成
- ...
(可选)归档到 Obsidian 时使用笔记模板
当你需要把稳定知识写入 Obsidian vault 时,可以使用仓库提供的模板:
templates/OBSIDIAN-NOTE.md:带 frontmatter、wikilink、embeds 的笔记骨架
第四步:每次对话开始时
先读 SESSION-STATE.md,再读最近 1-3 天 daily notes,最后才做 memory_search。
memory_search(query="相关关键词")
核心架构(三层模型)
MEMORY.md:长期记忆,精炼保存memory/YYYY-MM-DD.md:每日原始记录SESSION-STATE.md:当前任务真相来源working-buffer.md:短期工作缓冲templates/SESSION-STATE.md:恢复状态模板templates/working-buffer.md:工作缓冲模板templates/OBSIDIAN-NOTE.md:Obsidian 笔记模板(frontmatter / links / embeds)- Obsidian:长期归档与备份
Obsidian 原生约定(frontmatter / Dataview / wikilink / backlinks / embeds / attachments)
当你把稳定知识写入 Obsidian 时,建议遵循下面这些约定,保证可检索、可回链、可复用。
frontmatter
- 用 YAML frontmatter 固定结构化字段,便于后续查询、筛选、聚合
- 推荐字段见
templates/OBSIDIAN-NOTE.md,核心是:type、status、tags、related
Dataview
如果你使用 Dataview 插件,可以直接用 frontmatter 做查询,例如:
TABLE type, status, tags, related
FROM "memory"
WHERE status != "archived"
SORT updated desc
wikilink / backlinks
- 内部引用优先使用 wikilink:
[[SESSION-STATE]]、[[MEMORY]]、[[2026-03-21]] - 同一概念尽量用同一标题或 aliases,backlinks 才会稳定聚合到一起
embeds / attachments
- 图片:本地资源优先用
![[image.png]],远程资源保留 - 引用证据:用 block quote,或用 block embeds
![[note#^block-id]]复用证据段 - attachments 建议放在 vault 内可管理的位置(例如
attachments/),避免链接失效
启动与结束顺序
- 启动时:先读
SESSION-STATE.md,再读最近 1-3 天 daily notes,最后才检索本地记忆 - 结束时:先更新
SESSION-STATE.md,再把稳定事实蒸馏进MEMORY.md,最后归档 daily notes - 中断后恢复:优先从
working-buffer.md续接未完成项 - 仓库模板:先复制
templates/SESSION-STATE.md和templates/working-buffer.md,再填入当前任务
OpenViking 可选增强
- OpenViking 不是强依赖;没有它也能完成核心的断点续接流程
- 有 OpenViking 时,优先把它作为语义召回和摘要补全层
- OpenViking 负责补充相关记忆,
SESSION-STATE.md负责保存当前任务真相 - 如果 OpenViking 不可用,直接退回到
SESSION-STATE.md+working-buffer.md+ daily notes 的本地流程
维护原则
- 下次对话会用到的 → 保留在本地记忆
- 可能永远用不到但值得保留的 → 归档到 Obsidian
- 记忆膨胀时,先蒸馏再保留
兼容性
- OpenClaw-compatible skill
- Codex-compatible skill
- OpenViking-compatible optional enhancement
- Obsidian vault workflows
相关 Skills
表格处理
by anthropics
围绕 .xlsx、.xlsm、.csv、.tsv 做读写、修复、清洗、格式整理、公式计算与格式转换,适合修改现有表格、生成新报表或把杂乱数据整理成交付级电子表格。
✎ 做 Excel/CSV 相关任务很省心,能直接读写、修复、清洗和格式转换,尤其擅长把乱七八糟的表格整理成交付级文件。
PDF处理
by anthropics
遇到 PDF 读写、文本表格提取、合并拆分、旋转加水印、表单填写或加解密时直接用它,也能提取图片、生成新 PDF,并把扫描件通过 OCR 变成可搜索文档。
✎ PDF杂活别再来回切工具了,文本表格提取、合并拆分到OCR识别一次搞定,连扫描件也能变可搜索。
Word文档
by anthropics
覆盖Word/.docx文档的创建、读取、编辑与重排,适合生成报告、备忘录、信函和模板,也能处理目录、页眉页脚、页码、图片替换、查找替换、修订批注及内容提取整理。
✎ 搞定 .docx 的创建、改写与精排版,目录、批量替换、批注修订和图片更新都能自动化,做正式文档尤其省心。
相关 MCP 服务
文件系统
编辑精选by Anthropic
Filesystem 是 MCP 官方参考服务器,让 LLM 安全读写本地文件系统。
✎ 这个服务器解决了让 Claude 直接操作本地文件的痛点,比如自动整理文档或生成代码文件。适合需要自动化文件处理的开发者,但注意它只是参考实现,生产环境需自行加固安全。
by wonderwhy-er
Desktop Commander 是让 AI 直接执行终端命令、管理文件和进程的 MCP 服务器。
✎ 这工具解决了 AI 无法直接操作本地环境的痛点,适合需要自动化脚本调试或文件批量处理的开发者。它能让你用自然语言指挥终端,但权限控制需谨慎,毕竟让 AI 执行 rm -rf 可不是闹着玩的。
EdgarTools
编辑精选by dgunning
EdgarTools 是无需 API 密钥即可解析 SEC EDGAR 财报的开源 Python 库。
✎ 这个工具解决了金融数据获取的痛点——直接让 AI 读取结构化财报,比如让 Claude 分析苹果的 10-K 文件。适合量化分析师或金融开发者快速构建数据管道。但注意,它依赖 SEC 网站稳定性,高峰期可能延迟。