全面记忆

📌 Skill基础信息

• Skill名称：total-recall
• 简称：自主记忆系统
• 来源：社区第三方（gavdalf）
• 运行宿主：仅能在 OpenClaw Agent 工具运行
• 核心定位：通过五层冗余架构实现全自动对话记忆管理，无需手动保存或数据库维护，适合需要长期上下文记忆的AI助手场景

🧩 内部核心组成

系统架构层

• 观察层（Observer）：定时压缩近期对话至优先级笔记
• 反射层（Reflector）：自动合并冗余记录（8000词阈值触发）
• 会话恢复层（Session Recovery）：会话启动时补抓遗漏内容
• 响应式监视层（Reactive Watcher）：Linux文件监听实时触发（inotify）
• 预压缩钩子（Pre-compaction hook）：上下文压缩前紧急备份

文件结构

memory/
├── observations.md          # 主记忆文件
├── observation-backups/     # 合并备份（保留10个）
├── .observer-last-run       # 最后运行时间戳
└── .observer-last-hash      # 去重哈希值
logs/                       # 各模块运行日志

命令/工具表

类型	名称	功能简述
Cron任务	memory-observer	每15分钟压缩对话记录
Cron任务	memory-reflector	每小时检查合并需求
系统服务	total-recall-watcher	Linux响应式监听服务
脚本	setup.sh	初始化安装脚本

🛠 安装与启用方式

1. 安装命令：

```bash

clawdhub install total-recall

```

1. 环境配置：

- 必须设置 OPENROUTER_API_KEY 环境变量

- 依赖系统工具：jq, curl

1. 初始化设置：

```bash

bash skills/total-recall/scripts/setup.sh

```

自动创建内存目录结构，Linux系统会安装inotify监视服务

1. Agent配置：在系统提示词中添加读取 memory/observations.md 的指令

📋 标准工作流

1. 会话进行中：用户与Agent正常对话，会话内容保存为JSONL格式
2. 观察层触发（每15分钟或文件变动时）：

- 扫描近期会话文件（默认回溯15分钟，早8点前回溯8小时）

- 去重处理后通过LLM压缩为优先级笔记

- 追加到 observations.md 文件

1. 反射层检查（每小时）：当记忆文件超过8000词时自动合并精简
2. 会话恢复（每次/new或/reset）：检查上次会话是否被记录，必要时紧急补抓
3. 记忆加载：新会话开始时自动读取 observations.md 提供跨会话上下文

⚠️ 关键限制、缺陷、注意事项

1. 平台限制：

- 响应式监视层（Reactive Watcher）仅支持Linux系统

- macOS仅支持基础的定时任务模式

1. Token消耗：

- 默认使用免费模型，月成本约$0.00

- 每日15-30次cron运行，每次处理数百tokens

1. 适用项目：

- 需要长期记忆维护的对话型Agent

- 低成本运行的个人助手项目

1. 不适用场景：

- 高安全性要求的商业环境（依赖第三方API）

- 需要精确向量检索的复杂记忆查询

1. 生产环境：适合非关键任务的个人使用，商业环境需评估API可靠性

✅ 适用场景 & ❌ 不适合场景

✅ 适用场景：

• 个人AI助手需要记住长期偏好和习惯
• 开发测试环境中的对话Agent记忆维护
• 低成本运行的实验性记忆系统项目

❌ 不适合场景：

• 需要高精度记忆检索的商业应用
• 对API依赖有严格限制的生产环境
• 需要实时记忆更新的高频对话系统

skills install --user gavdalf/total-recall

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）