Token导航 LogoToken导航

Agent Skill · 效率

autodream(autodream 分析)

autodream 用于辅助前端页面、组件、样式和交互逻辑开发,适合在 OpenClaw 中需要维护前端项目、生成组件或检查界面实现时使用。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。

autodream 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为只读;许可证为 MIT-0,第三方扫描已通过,按安装量在效率类的 21,003 个 Skill 里排第 11,165。

总安装 4,742周安装 190GitHub Stars 公开资料未说明下载 1,535核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.0

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:autodream(autodream 分析)
来源仓库:https://github.com/rimaslogic/autodream
安装命令:
openclaw skills install autodream
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 autodream

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

自动整理代理日常记忆文件减少冗余。删除重复项并规范化日期格式信息。适用宿主包括 OpenClaw,接入前应确认版本、权限和运行环境要求。建立清晰可追溯的知识演进路径。autodream 属于效率类 Skill,可作为该场景下的辅助能力补充。定期运行以维持内存系统高效运作。重要数据变更前建议手动备份存档。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install autodream;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

autodream 怎么安装?

在终端执行 openclaw skills install autodream。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

autodream 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

autodream 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

autodream 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

autodream 用的人多吗?

公开数据是累计安装 4,742 次,近一周安装 190 次,下载 1,535 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

autodream 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
autodream

autodream 分析 · 本页

4,742—只读MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
autodream
description
>-
metadata
openclaw
emoji
🌙
requires
anyBins
["node"]

Autodream — Memory Consolidation

Consolidates scattered daily memory files into a clean, organized MEMORY.md.

When to Use

  • Manually: User says "consolidate memory", "dream", "clean up memory", "organize my memories"
  • Via heartbeat: Periodically check if consolidation is needed (24h+ since last run AND 5+ new files)
  • After major events: Big refactor, project changes, many new daily files

Quick Start

# Check if consolidation is needed
node /path/to/openclaw-autodream/bin/autodream.js {{workspace}} --stats

# Run consolidation (dry run first!)
node /path/to/openclaw-autodream/bin/autodream.js {{workspace}} --dry-run --verbose

# Run for real
node /path/to/openclaw-autodream/bin/autodream.js {{workspace}} --verbose

# Force full reconsolidation
node /path/to/openclaw-autodream/bin/autodream.js {{workspace}} --force --verbose

Replace {{workspace}} with your actual workspace path (e.g., ~/.openclaw/workspace).

If Installed Globally

# npm install -g openclaw-autodream
autodream ~/.openclaw/workspace --stats
autodream ~/.openclaw/workspace --verbose
autodream ~/.openclaw/workspace --dry-run

What It Does (4 Phases)

Phase 1: Orientation

  • Reads existing MEMORY.md (if any)
  • Scans memory/ for daily files
  • Identifies files changed since last consolidation

Phase 2: Gather Signal

  • Extracts structured entries from each daily file
  • Classifies into categories: People, Projects, Preferences, Technical Decisions, Events, Lessons
  • Scores importance of each entry

Phase 3: Consolidation

  • Removes exact duplicates (hash-based)
  • Removes fuzzy duplicates (similarity > 75%)
  • Prunes stale entries (completed tasks, old debugging notes)
  • Normalizes relative dates ("yesterday" → "2026-03-24")

Phase 4: Prune & Index

  • Enforces max line limit (default: 200 lines)
  • Prioritizes by importance × recency
  • Writes clean MEMORY.md with category sections
  • Backs up previous MEMORY.md to memory/.autodream-backups/

Heartbeat Integration

Add to your HEARTBEAT.md:

## Memory Consolidation Check
- Run `autodream <workspace> --stats` to check if consolidation is needed
- If "Would trigger: ✅ yes", run `autodream <workspace> --verbose`
- Only run consolidation during quiet hours (not while human is actively chatting)

Configuration

Create .autodream.json in workspace root to customize:

{
  "maxLines": 200,
  "lookbackDays": 30,
  "categories": [
    "People & Relationships",
    "Projects & Work",
    "Preferences & Style",
    "Technical Decisions",
    "Important Events",
    "Lessons Learned"
  ],
  "preservePatterns": ["⚠️", "IMPORTANT", "NEVER", "ALWAYS"],
  "triggerThreshold": {
    "minHoursSinceLastRun": 24,
    "minNewFiles": 5
  }
}

Safety

  • Non-destructive: Always backs up existing MEMORY.md before modifying
  • Backups: Stored in memory/.autodream-backups/
  • Reports: Consolidation reports in memory/.autodream-reports/
  • Dry run: Always available with --dry-run
  • Protected entries: Entries with ⚠️, IMPORTANT, NEVER, ALWAYS are never pruned

Output Format

# Long-Term Memory
<!-- Last consolidated: 2026-03-25T17:00:00Z | Files processed: 31 | Entries: 47 -->

## People & Relationships
- **Bob Smith** — Team Lead test run passed (2026-03-25)

## Projects & Work
- **Acme Corp** — Q1 review: 30.1% margin, targeting 40% (2026-03-25)

## Preferences & Style
- Values precision and factual accuracy (2026-02-01)

## Technical Decisions
- Using Supabase + Vercel for Project Alpha (2026-03-18)

## Lessons Learned
- Always backup before modifying production data (2026-02-15)

平台分布

OpenClaw

82.56%
按下载量换算1,267

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

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。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills