Token导航 LogoToken导航

Agent Skill · 研究检索

dtldhjh-auto-memory(dtldhjh 自动记忆)

dtldhjh-auto-memory 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。

dtldhjh-auto-memory 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为接触敏感数据;许可证为 MIT-0,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 14,510。

总安装 8,504周安装 344GitHub Stars 公开资料未说明下载 2,669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
3.0.0

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:dtldhjh-auto-memory(dtldhjh 自动记忆)
来源仓库:https://github.com/dtldhjh/dtldhjh-auto-memory
安装命令:
openclaw skills install dtldhjh-auto-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 dtldhjh-auto-memory

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

LLM 增强记忆系统 — 语义理解、智能摘要、敏感信息保护。三层架构自动管理 agent 记忆。

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 dtldhjh-auto-memory;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

    它需要接触敏感数据,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

dtldhjh-auto-memory 怎么安装?

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

dtldhjh-auto-memory 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。

dtldhjh-auto-memory 需要什么权限?

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

dtldhjh-auto-memory 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。

dtldhjh-auto-memory 用的人多吗?

公开数据是累计安装 8,504 次,近一周安装 344 次,下载 2,669 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。

dtldhjh-auto-memory 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

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。

先想清楚的地方

  • 需要接触敏感数据,装到常用环境前要先评估影响面。
  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 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。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 环境里有大量密钥、凭证,不方便给第三方 Skill 读取的人。
  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
dtldhjh-auto-memory

dtldhjh 自动记忆 · 本页

8,504—接触敏感数据MIT-0有提醒

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
auto-memory
version
3.0.0
description
LLM 增强记忆系统 — 语义理解、智能摘要、敏感信息保护。三层架构自动管理 agent 记忆。
author
dtldhjh
license
MIT
category
productivity
platforms

Auto Memory - LLM 增强记忆系统 v3.0.0

LLM 驱动的智能记忆系统,让 agent 拥有完整的持久记忆能力。

v3.0.0 核心特性

特性说明
🤖 LLM 分析语义理解对话内容,智能分类
🔒 敏感信息保护自动检测并脱敏 API Key、Token、密码等
📊 结构化提取偏好/决策/待办/问题/学习 五维分类
📝 智能摘要自动生成对话摘要
🔄 智能去重跨次运行去重,不再重复累积

三层记忆架构

用户对话
    ↓ (extract-memory.sh v3 + LLM)
┌─────────────────────────┐
│  memory/YYYY-MM-DD.md   │  日常日志
│  - LLM 智能分析         │
│  - 五维分类提取         │
│  - 敏感信息脱敏         │
└───────────┬─────────────┘
            ↓ (update-long-memory.sh)
┌─────────────────────────┐
│      MEMORY.md          │  长期记忆
│  - 用户偏好             │
│  - 重要决策             │
│  - 项目进展             │
└───────────┬─────────────┘
            ↓ (openclaw memory index)
┌─────────────────────────┐
│     向量数据库          │  可检索
│  - openclaw memory search │
└─────────────────────────┘

安装

# 创建目录
mkdir -p ~/.openclaw/scripts
mkdir -p ~/.openclaw/workspace/memory/archive
mkdir -p ~/.openclaw/workspace/.learnings/shared

# 下载脚本
# extract-memory.sh (v3.0 LLM 增强版)
# update-long-memory.sh

# 设置权限
chmod +x ~/.openclaw/scripts/extract-memory.sh
chmod +x ~/.openclaw/scripts/update-long-memory.sh

配置 HEARTBEAT.md

## 1. 自动记忆更新
\`\`\`bash
~/.openclaw/scripts/extract-memory.sh main
\`\`\`

## 2. 长期记忆同步
\`\`\`bash
~/.openclaw/scripts/update-long-memory.sh main
\`\`\`

LLM 分析输出

## LLM 分析 (10:34)

**摘要**: 本次对话完成了记忆系统的三层架构改造

### 🎯 偏好
- OpenCode 模型偏好设置
- 服务开发配置:端口 10001-10100

### 📋 决策
- 采用三层互补架构管理记忆

### 📌 待办
- ✅ 优化脚本
- ✅ 创建更新脚本

### ❌ 问题
- MEMORY.md 未及时更新

### 💡 学习
- 去重机制需要跨次检查

敏感信息保护

类型模式替换为
API Keyapi_key=xxx[REDACTED_KEY]
Tokentoken=xxx[REDACTED_TOKEN]
密码password=xxx[REDACTED_PASSWORD]
手机号13812345678[REDACTED_PHONE]
邮箱user@example.com[REDACTED_EMAIL]
内网 IP192.168.x.x[REDACTED_IP]

脱敏流程:

  1. 检测敏感模式
  2. 发送给 LLM 前脱敏
  3. LLM 返回结果再次检查

示例输出

🧹 检查过期文件...
📚 加载学习经验...
📄 分析 session: e0262284-xxx.jsonl
   🤖 使用 LLM 分析对话...
✅ LLM 分析完成
   📝 摘要: 本次对话完成了记忆系统的三层架构改造...
🔄 更新向量索引...
✅ 索引已更新

更新日志

v3.0.0 (2026-03-22)

  • 🤖 LLM 语义分析(使用当前模型)
  • 🔒 敏感信息自动脱敏
  • 📊 五维分类提取
  • 📝 智能摘要生成
  • 🔄 智能去重

v2.0.0 (2026-03-22)

  • 三层记忆架构
  • 自动同步到 MEMORY.md

v1.0.0 (2026-03-12)

  • 初始版本

平台分布

OpenClaw

77.06%
按下载量换算2,057

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

通过

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

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。来源安全扫描存在提醒或未通过项,安装前请自行复核。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