Token导航 LogoToken导航TokenDH.com
研究检索需要联网clawhub未标认证来源可访问clear审计通过

evo-memory进化内存

Agent Skill

evo-memory 用于记录任务执行中的错误、用户纠正、经验和能力缺口,适合在 OpenClaw 中希望让 Agent 持续沉淀问题、修正和最佳实践时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

4,372

周安装

184

GitHub Stars

公开资料未说明

下载量

1,531
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:evo-memory(进化内存)
来源仓库:https://github.com/weiran71/evo-memory
安装命令:
openclaw skills install evo-memory
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install evo-memory

简介

自我进化记忆系统。两层记忆架构(L1原则+L2经验)+ 双层信号捕获 + 定时综合反思。Use on every session for continuous self-improvement and learning.

SKILL.md

name
self-evolution
description
自我进化记忆系统。两层记忆架构(L1原则+L2经验)+ 双层信号捕获 + 定时综合反思。Use on every session for continuous self-improvement and learning.
metadata
{"clawdbot":{"emoji":"🧬","requires":{"bins":[]},"os":["linux","darwin","win32"],"configPaths":["~/.openclaw/workspace/self-evolution/"]}}

Self-Evolution 自进化记忆系统

每次会话必做

第一步:加载记忆

  1. principles.md — L1 永久原则,全部加载
  2. patterns/index.md — L2 经验索引
  3. 根据当前话题,判断 index 中哪些经验相关,读取对应的 pattern 文件
  4. 整个会话复用已加载的 L2,不再重复匹配

第二步:事前预防

开始任务前,检查已加载的 L1/L2 中有没有和当前任务相关的坑。有则先提醒用户再执行。

示例:"开始之前提醒一下:根据 P042,配置提供商名要避开内置插件名..."

第三步:对话中捕获信号

对话过程中,发现以下信号时写一行到 pending.jsonl

信号怎么识别
用户纠正用户说"不对/错了/应该是..."
操作失败重试同一操作做了 2 次以上
用户给新知识"其实应该.../你不知道的是..."
用户表达偏好"我喜欢.../以后都.../别再..."
用户满意"牛啊/完美/就是这样"

写入格式(每条一行 JSON):

{"ts":"时间","signal":"类型","brief":"一句话标题","detail":"详细描述:发生了什么、为什么错/对、用户原话要点","source":"agent"}
字段说明示例
brief一句话标题,快速扫描用"提供商名不要用 qwen"
detail综合时的决策依据,包含上下文和原因"用户配置 AI 模型时用 qwen 作为提供商名,触发内置插件劫持致 4008 错误。用户纠正应改用 aliyun"

规则:

  • brief 控制在 20 字以内,detail 控制在 100 字以内
  • detail 必须包含:发生了什么 + 为什么(原因/后果)
  • 拿不准要不要记?。宁可多记,综合时再筛
  • 不记录:一次性指令、上下文特定操作、假设性问题

第四步:引用记忆时标注来源

回复中用到了某条 L1/L2 记忆时,在回复里标注(如"参考 P042")。会话结束时一次性批量写入 stats/citation-log.jsonl,不要逐条写。

格式:{"ts":"时间","source":"principles.md","entry":"P042_禁用qwen","action":"cited","context":"用户问提供商配置"}


用户显式触发时(直接写入,不经 pending)

用户明确表达了信号,跳过 pending 直接写入:

用户说你的动作
"记住:XXX"直接写入 principles.md(L1)
"这个经验记一下"问用户什么场景下需要,写入对应 patterns/ 文件(L2)+ 更新 index.md
"反思一下 / 回顾一下"回顾当前上下文 + 读 pending,生成反思报告,直接写入 L1/L2
"好了 / 满意 / 完成"快速检查:这次有没有值得记的?有就直接写入
"不对 / 有问题"理解具体纠正了什么,分类后直接写入 L1 或 L2

如果 pending 中有之前积累的信号,一并处理并清空。


定时综合(Heartbeat 触发)

Heartbeat 触发时检查:

pending.jsonl 有 5 条以上信号? → 触发综合
距上次综合超过 24h 且 pending 不为空? → 触发综合
都不满足? → 跳过,不打扰用户

综合流程:

  1. pending.jsonl
  2. 合并去重(同一事件的 hook 粗信号和 agent 细信号,以细信号为准)
  3. 对每个发现自主分类 L1 或 L2
  4. 生成反思报告推送给用户
  5. 用户批量审阅确认后,写入正式记忆
  6. 清空 pending.jsonl

L1/L2 分类规则

自主分类,不逐条问用户:

这条经验如果在需要时没被加载,会导致犯错或失败吗?
├─ 会 → L1
└─ 不会,只是效率低一点 → L2

拿不准?→ 默认放 L1

L1 写入格式(principles.md)

### P001: 简短标题
category: 配置/技能/调研分析/多代理/排障/通用/其他
source: 2026-03-28 什么事得出的
why: 为什么要遵守(用于举一反三)
generalize: 泛化规律(从个例提炼的通用模式)
---
具体内容,1-3 句话说清楚。

编号规则:在 principles.md 中找到最大的 P 编号,+1。


L2 写入格式(patterns/*.md)

写入对应领域文件,同时更新 index.md:

领域文件中的条目

## 简短标题
context: 什么场景下需要加载这条经验(自然语言描述)
tags: [关键词1, 关键词2, 关键词3]
source: 2026-03-28 什么事得出的
---
具体内容,包括步骤、命令、注意事项等。

index.md 中追加一行

- 简短标题 | file: config.md | context: 什么场景下需要加载

领域文件选择:

  • config.md — 配置类(提供商、API、端口、认证)
  • skills.md — 技能类(安装、加载、SKILL.md 格式)
  • multi-agent.md — 多代理协作(subagent、调度、飞书群)
  • debug.md — 排障类(错误诊断、日志分析、重启修复)
  • research.md — 调研分析(调研方法、报告结构、信息整理)
  • general.md — 通用经验
  • other.md — 以上都不合适时的兜底

反思报告格式

## 自进化反思报告
时间: YYYY-MM-DD HH:MM

### 发现 1: [类型] 简短描述 → 已分类为 L1/L2
- 事件:发生了什么
- why: 为什么值得记住
- generalize: 通用规律
- **agent 分类:L1/L2(理由)**

### 发现 2: ...

> 以上分类由我自主完成。如有异议请指出,我会调整。

### 记忆系统健康度
- L1 原则数: X 条,本次新增 X 条
- L2 经验数: X 条,本次新增 X 条

用户主动回顾

用户说动作
"有哪些原则"principles.md,按 category 分组展示
"关于XX的经验"patterns/index.md,语义搜索相关条目并展示
"记忆统计"stats/citation-log.jsonl 生成统计报告
"清理记忆"列出零引用条目和长期未验证的 L1,引导审查

文件路径速查

文件用途
principles.mdL1 永久原则
pending.jsonl信号临时队列
patterns/index.mdL2 语义索引
patterns/config.md配置类经验
patterns/skills.md技能类经验
patterns/multi-agent.md多代理协作经验
patterns/debug.md排障经验
patterns/research.md调研分析经验
patterns/general.md通用经验
patterns/other.md未分类兜底
stats/citation-log.jsonl引用日志
config.yaml配置项

所有路径基于 ~/.openclaw/workspace/self-evolution/

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

74.83%
按下载量换算1,146

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills