对话记忆仓库
conversation-archive
by Simon
对话记忆仓库：自动归档 session 对话，保留原始记录，支持检索和误解纠正。可与 memory-never-forget 联动形成完整记忆体系。
安装
claude skill add --url https://github.com/openclaw/skills文档
⚠️ 作者信息待填写：ClawHub 上传前需要确认你的 ClawHub/GitHub 用户名
💬 Conversation Archive（对话记忆仓库）
核心理念
「记忆会骗人，但对话记录不会。」
当缪斯说「我不记得了」「我可能理解错了」——去对话仓库里找原始记录，比问老豆更快、更准。
工作流程
Session 结束
↓
1. ARCHIVE（归档）
- 保存原始对话 JSON
- 生成结构化摘要
- 提取关键信息（主题/决策/教训）
↓
2. INDEX（索引）
- 按日期/主题/关键词写入 index.json
- （未来：生成 embedding 向量）
↓
3. RETRIEVE（检索）
- 当需要回溯时 → 搜对话仓库
- 当发现误解时 → 拉原始记录纠正
↓
4. INTEGRATE（整合）
- 与 memory-never-forget 联动
- 从归档中提取值得记忆的内容 → 4层分类
目录结构
conversation_archive/
├── sessions/ # 原始对话存档
│ └── YYYY-MM/
│ └── {session_id}.json
├── index.json # 内存索引
└── embeddings/ # 预留：向量索引（未来）
Session JSON 格式
{
"sessionId": "ccba19e7-...",
"date": "2026-04-07",
"channel": "webchat",
"participants": ["Simon", "Muse"],
"topics": ["OpenClaw升级", "Dreaming", "记忆系统"],
"decisions": [
{"text": "开启Dreaming每天0点运行", "context": "老豆同意"}
],
"feedback": [
{"user": "不要用Markdown表格", "from": "Simon"}
],
"summary": "讨论了OpenClaw升级和记忆系统...",
"messages": [
{"role": "user", "content": "...", "time": "..."},
{"role": "assistant", "content": "...", "time": "..."}
],
"archivedAt": "2026-04-07T17:30:00+08:00"
}
工具（Tools）
1. archive_session — 归档当前 session
触发时机： session 结束前 / 手动触发 / cron 触发
{
"name": "archive_session",
"arguments": {
"sessionKey": "agent:main:main",
"includeMessages": true
}
}
自动触发逻辑：
- 当 session 被 compact 或 restart 时自动归档
- 每次 webchat 超过 30 分钟无活动时归档
2. search_archive — 搜索对话
触发时机： 老豆问「我之前说过什么」「那次对话」「记得3月29日吗」
{
"name": "search_archive",
"arguments": {
"query": "OpenClaw升级",
"date": "2026-03-29",
"limit": 5
}
}
3. get_session — 获取原始对话
触发时机： 发现缪斯理解错了，用原始记录纠正
{
"name": "get_session",
"arguments": {
"sessionId": "ccba19e7-..."
}
}
4. extract_memories — 从归档中提取记忆
触发时机： 与 memory-never-forget 联动时
{
"name": "extract_memories",
"arguments": {
"sessionId": "ccba19e7-...",
"types": ["user", "feedback", "project"]
}
}
检索策略
当前（关键词模式）
# 搜索逻辑
1. 在 index.json 中模糊匹配 query
2. 匹配 topic、keywords、summary 字段
3. 按日期倒序返回 top N
4. 展示匹配的摘要片段
未来（向量模式）
当 embedding 配置好后：
# 向量搜索
1. query → embedding 向量
2. 在 embeddings/ 目录做余弦相似度搜索
3. 返回 top N 最语义相关的对话
接入条件： agents.defaults.memorySearch 配置了 embedding provider
与 memory-never-forget 的联动
conversation_archive ──→ memory-never-forget
│ │
│ 提取值得记忆的内容 │ 使用4层分类
↓ ↓
decisions/feedback/ memory/{user,feedback,
project/ project,reference}/
│ │
└───────────升华──────────────→ knowledge/
联动触发： 每次归档后，自动调用 extract_memories 把值得记忆的内容传给 memory-never-forget 处理。
自动归档规则
立即归档：
- session restart / compact 时
- 超过 30 分钟无活动时
- 每天 23:59 强制归档所有活跃 session
保留对话：
- 最近 7 天：完整原始记录
- 7-30 天：仅摘要（messages 字段清除）
- 30 天以上：压缩归档，保留摘要和元数据
安全清理：
- 不存 API key、token、密码等敏感信息
- messages 字段在归档时做敏感信息扫描和脱敏
误解纠正流程
当缪斯意识到自己可能理解错了：
- 用
search_archive搜相关对话 - 用
get_session拉原始记录 - 核对原始对话，确认误解点
- 更新对应分类记忆（feedback/）
- 在这次 session 末尾做修正性回复
触发关键词
| 老豆说 | 缪斯做 |
|---|---|
| 「我之前说过...」 | search_archive(query="...") |
| 「那天...」 | search_archive(date="YYYY-MM-DD") |
| 「你不记得了？」 | search_archive + 展示原始记录 |
| 「理解错了」 | get_session + 纠正 + 更新记忆 |
版本：v1.0 | 日期：2026-04-07 | 对话记忆仓库 + 未来向量检索预留
相关 Skills
技能工坊
by anthropics
覆盖 Skill 从创建到迭代优化全流程：起草能力、补测试提示、跑评测与基准方差分析，并持续改写内容和描述，提升效果与触发准确率。
✎ 技能工坊把技能从创建、迭代到评测串成闭环，方差分析加描述优化，特别适合把触发准确率打磨得更稳。
PPT处理
by anthropics
处理 .pptx 全流程：创建演示文稿、提取和解析幻灯片内容、批量修改现有文件，支持模板套用、合并拆分、备注评论与版式调整。
✎ 涉及PPTX的创建、解析、修改到合并拆分都能一站搞定，连备注、模板和评论也能处理，做演示文稿特别省心。
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。
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。