- name
- lobster-autodream
- description
- AI记忆巩固系统，灵感来自人类睡眠记忆巩固过程。自动整理会话历史，提取重要信息，更新长期记忆。在心跳检查或会话压缩时触发。
- metadata
- {"openclaw":{"requires":[]}}
AutoDream 记忆巩固系统
基于 Claude Code 源码中的 AutoDream 系统，适配 OpenClaw 的记忆管理架构。
灵感来自人类睡眠时的记忆巩固——大脑在睡眠中整理白天的记忆，把重要的存入长期记忆，不重要的被遗忘。
核心思想
AI 的"做梦"过程：定期整理对话历史 → 提取关键信息 → 更新长期记忆
三重门控机制
为了节省 token，按成本从低到高逐层检查：
门控1：时间检查（零成本）
- 距离上次 AutoDream 是否超过阈值？
- 默认：至少间隔 4 小时
- 防止频繁整理浪费资源
门控2：内容量检查（低成本）
- 新增的对话内容是否足够多？
- 默认：至少 20 条新消息
- 内容太少不值得整理
门控3：质量评估（中成本）
- 内容中是否包含值得记住的信息？
- 排除纯闲聊、重复内容
- 识别：决策、偏好、教训、重要事实
三重门控全部通过才触发整理。
记忆整理流程
Step 1: 读取原始材料
读取当天的 memory/YYYY-MM-DD.mdStep 2: 信息提取
参考 Claude Code 的四种记忆类型分类：
| 类型 | 范围 | 示例 | 写到哪里 |
|---|---|---|---|
| 👤 user | 始终private | 用户角色、偏好、知识水平 | MEMORY.md#关于麻团 |
| 💬 feedback | 默认private | 用户纠正/确认的做法 | MEMORY.md#经验教训 |
| 📋 project | 偏向team | 项目状态、目标、进行中的工作 | memory/YYYY-MM-DD.md |
| 📖 reference | private或team | 技术参考、架构知识、API文档 | memory/*.md |
关键规则：
- 从代码/git/file可推导的信息不要存为记忆（读文件就行）
- feedback要包含为什么（reason），不只是规则本身
- 相对日期转为绝对日期（"下周四"→"2026-04-09"）
- 确认类反馈也要记录（不只是纠正）
Step 3: 分类整合
- 按主题分类
- 去重（与 MEMORY.md 现有内容对比）
- 标记优先级（重要/一般/可选）
Step 4: 写入长期记忆
更新 MEMORY.md，新内容追加到对应分类下。
Step 5: 清理
- 过时的信息标记或删除
- 临时笔记归档或清理
触发时机
- 心跳检查时 — 如果门控通过，执行整理
- 会话压缩时 — 压缩前先整理记忆
- 用户主动触发 — "整理记忆"、"autodream"
记忆质量标准
写入 MEMORY.md 的每条记忆应：
- 简洁：一句话说清楚
- 可检索：包含关键关键词
- 有时效性标注：过期时间（如适用）
- 有来源：来自哪次对话
实践示例
# 心跳触发 AutoDream
## 门控检查
- ✅ 距上次整理：6小时（> 4小时阈值）
- ✅ 新消息数：35条（> 20条阈值）
- ✅ 包含决策和偏好
## 提取结果
- 🎯 麻团决定不装 Ollama
- 👤 麻团是行动派，喜欢快速推进
- 📚 已安装 web-learner 和 cli-anything 两个 skill
- 🔑 配置了 imageModel: zai/glm-4.6v
## 写入 MEMORY.md
（追加到对应分类）配置
在 HEARTBEAT.md 中添加：
## AutoDream
- 检查是否需要整理记忆
- 参照 skills/autodream/SKILL.md注意事项
- 不要在每次会话都触发，尊重时间门控
- 整理时不要删除重要记忆
- 隐私信息不写入 MEMORY.md
- 保持 MEMORY.md 精简，不超过 200 行
- 如果 MEMORY.md 太长，优先清理过时内容