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

claude-memory-proClaude 记忆专业版

Agent Skill

claude-memory-pro 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。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

19,143

周安装

782

GitHub Stars

公开资料未说明

下载量

6,131
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:claude-memory-pro(Claude 记忆专业版)
来源仓库:https://github.com/e2e5g/claude-memory-pro
安装命令:
openclaw skills install claude-memory-pro
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 claude-memory-pro

简介

进化版统一记忆系统,融合Claude Code的5层记忆架构+代币优化管理+智能成本追踪。当用户要求记忆跨会话信息、智能管理代币优化、优化AI调用成本、构建个人知识库、跨项目学习进化时使用。

SKILL.md

name
claude-memory-pro
description
进化版统一记忆系统,融合Claude Code的5层记忆架构+Token预算管理+智能成本追踪。当用户要求记忆跨会话信息、智能管理Token预算、优化AI调用成本、构建个人知识库、跨项目学习进化时使用。

Claude Memory Pro

进化版统一记忆系统 - Claude Code核心技能提炼与升级

核心能力

  1. 5层记忆架构 - 热记忆 → 会话记忆 → 长期记忆 → 实体银行 → 反思层
  2. Token预算管理 - 智能追踪、边际收益检测、自动决策
  3. 成本追踪优化 - 多维度统计、实时显示、优化建议
  4. 跨会话学习 - 从历史交互中持续进化

记忆类型(4类)

类型用途示例
user用户偏好、背景语言习惯、工作风格
feedback工作指导、纠正代码规范、回复偏好
project项目上下文、决策技术选型、截止日期
reference外部系统指针API文档、数据库地址

5层记忆架构

memory/
├── hot/                     # Layer 1: 热记忆(当前对话)
│   └── current_turn.md
├── session/                 # Layer 2: 会话记忆
│   └── session_YYYY-MM-DD.md
├── typed/                   # Layer 3: 长期记忆
│   ├── user/
│   ├── feedback/
│   ├── project/
│   └── reference/
├── bank/                    # Layer 4: 实体银行
│   ├── entities/
│   └── procedures/
└── reflections/             # Layer 5: 反思层

Token预算管理

预算阈值配置

const BUDGET_CONFIG = {
  completionThreshold: 0.9,    // 90% 触发完成检查
  diminishingThreshold: 500,   // 边际收益递减阈值
  maxContinuations: 10,        // 最大继续次数
  warningThreshold: 0.75       // 75% 警告阈值
}

决策流程

Token使用检查
      ↓
< 75% → 正常继续
      ↓
< 90% → 继续 + nudge
      ↓
边际递减? → 停止(边际收益递减)
      ↓
之前有继续? → 停止(正常完成)

边际收益检测

function isDiminishing(tracker): boolean {
  return tracker.continuationCount >= 3 &&
         delta < 500 &&
         lastDelta < 500
}

成本追踪

成本指标

类型说明优化价值
input_tokens输入tokens
output_tokens输出tokens
cache_read缓存命中低成本
cache_creation缓存创建一次性成本
web_search搜索请求按需优化

优化策略

  1. 复用缓存 - 相同上下文用cache_read
  2. 压缩上下文 - 减少input_tokens
  3. 精简输出 - 减少output_tokens
  4. 批量操作 - 减少API调用

记忆保存流程

对话前

  1. 读取MEMORY.md获取索引
  2. 按需加载typed/相关记忆

对话中

  • 热记忆写入hot/current_turn.md
  • 实时成本监控

对话后

  1. 评估值得保留的信息
  2. 选择正确的记忆层
  3. 更新MEMORY.md索引

决策树

用户给反馈/纠正
├─ 关于用户本身 → typed/user/
├─ 关于工作方式 → typed/feedback/
├─ 关于项目 → typed/project/
└─ 关于外部系统 → typed/reference/

了解用户背景 → typed/user/
项目决策/变化 → typed/project/
外部系统位置 → typed/reference/
复杂档案 → bank/entities/
可复用流程 → bank/procedures/
自我反思 → reflections/

不保存内容

  • 代码模式(可从代码推导)
  • Git历史(git log权威)
  • 临时任务状态(用tasks)
  • 已文档化的内容(CLAUDE.md)
  • 未经证实的推断
  • 整段对话记录
  • 大段代码

快速开始

初始化

mkdir -p memory/{hot,session,typed/{user,feedback,project,reference},bank/{entities,procedures},reflections}

创建记忆

---
name: 用户回复偏好
type: feedback
created: 2026-04-02
---

用户不希望在每次回复末尾总结。

**Why:** 用户说"我能直接读懂diff"
**How to apply:** 保持简洁,不添加总结性语句

维护检查

  • [ ] 每月检查typed/过时记忆
  • [ ] 每季度清理reflections/
  • [ ] 验证实体银行信息准确性
  • [ ] 检查Token预算使用效率
  • [ ] 评估成本优化效果

与其他技能对比

特性基础版Pro版
记忆层数3层5层
Token管理智能预算
成本追踪多维度统计
跨会话学习基础反思进化
优化建议自动生成

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

74.67%
按下载量换算4,578

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