Token导航 LogoToken导航

Agent Skill · 研究检索

evo-memory(进化内存)

evo-memory 用于记录任务执行中的错误、用户纠正、经验和能力缺口,适合在 OpenClaw 中希望让 Agent 持续沉淀问题、修正和最佳实践时使用。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。

evo-memory 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为需要联网;许可证为 MIT-0,第三方扫描已通过,按安装量在研究检索类的 73,675 个 Skill 里排第 23,077。

总安装 4,372周安装 184GitHub Stars 公开资料未说明下载 1,531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:evo-memory(进化内存)
来源仓库:https://github.com/weiran71/evo-memory
安装命令:
openclaw skills install evo-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 evo-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。

自我进化记忆系统。两层记忆架构(L1原则+L2经验)+ 双层信号捕获 + 定时综合反思。Use on every session for continuous self-improvement and learning.

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 evo-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

    它需要需要联网,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

evo-memory 怎么安装?

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

evo-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。

evo-memory 需要什么权限?

权限级别是需要联网。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。

evo-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。

evo-memory 用的人多吗?

公开数据是累计安装 4,372 次,近一周安装 184 次,下载 1,531 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。

evo-memory 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。

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。
  • 需要处理研究检索类任务、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。

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
evo-memory

进化内存 · 本页

4,372—需要联网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
self-evolution
description
自我进化记忆系统。两层记忆架构(L1原则+L2经验)+ 双层信号捕获 + 定时综合反思。Use on every session for continuous self-improvement and learning.
metadata
{"clawdbot":{"emoji":"🧬","requires":{"bins":[]},"os":["linux","darwin","win32"],"configPaths":["~/.openclaw/workspace/self-evolution/"]}}

Self-Evolution 自进化记忆系统

每次会话必做

第一步:加载记忆

  1. 读 principles.md — L1 永久原则,全部加载
  2. 读 patterns/index.md — L2 经验索引
  3. 根据当前话题,判断 index 中哪些经验相关,读取对应的 pattern 文件
  4. 整个会话复用已加载的 L2,不再重复匹配

第二步:事前预防

开始任务前,检查已加载的 L1/L2 中有没有和当前任务相关的坑。有则先提醒用户再执行。

示例:"开始之前提醒一下:根据 P042,配置提供商名要避开内置插件名..."

第三步:对话中捕获信号

对话过程中,发现以下信号时写一行到 pending.jsonl:

信号怎么识别
用户纠正用户说"不对/错了/应该是..."
操作失败重试同一操作做了 2 次以上
用户给新知识"其实应该.../你不知道的是..."
用户表达偏好"我喜欢.../以后都.../别再..."
用户满意"牛啊/完美/就是这样"

写入格式(每条一行 JSON):

{"ts":"时间","signal":"类型","brief":"一句话标题","detail":"详细描述:发生了什么、为什么错/对、用户原话要点","source":"agent"}
字段说明示例
brief一句话标题,快速扫描用"提供商名不要用 qwen"
detail综合时的决策依据,包含上下文和原因"用户配置 AI 模型时用 qwen 作为提供商名,触发内置插件劫持致 4008 错误。用户纠正应改用 aliyun"

规则:

  • brief 控制在 20 字以内,detail 控制在 100 字以内
  • detail 必须包含:发生了什么 + 为什么(原因/后果)
  • 拿不准要不要记?记。宁可多记,综合时再筛
  • 不记录:一次性指令、上下文特定操作、假设性问题

第四步:引用记忆时标注来源

回复中用到了某条 L1/L2 记忆时,在回复里标注(如"参考 P042")。会话结束时一次性批量写入 stats/citation-log.jsonl,不要逐条写。

格式:{"ts":"时间","source":"principles.md","entry":"P042_禁用qwen","action":"cited","context":"用户问提供商配置"}


用户显式触发时(直接写入,不经 pending)

用户明确表达了信号,跳过 pending 直接写入:

用户说你的动作
"记住:XXX"直接写入 principles.md(L1)
"这个经验记一下"问用户什么场景下需要,写入对应 patterns/ 文件(L2)+ 更新 index.md
"反思一下 / 回顾一下"回顾当前上下文 + 读 pending,生成反思报告,直接写入 L1/L2
"好了 / 满意 / 完成"快速检查:这次有没有值得记的?有就直接写入
"不对 / 有问题"理解具体纠正了什么,分类后直接写入 L1 或 L2

如果 pending 中有之前积累的信号,一并处理并清空。


定时综合(Heartbeat 触发)

Heartbeat 触发时检查:

pending.jsonl 有 5 条以上信号? → 触发综合
距上次综合超过 24h 且 pending 不为空? → 触发综合
都不满足? → 跳过,不打扰用户

综合流程:

  1. 读 pending.jsonl
  2. 合并去重(同一事件的 hook 粗信号和 agent 细信号,以细信号为准)
  3. 对每个发现自主分类 L1 或 L2
  4. 生成反思报告推送给用户
  5. 用户批量审阅确认后,写入正式记忆
  6. 清空 pending.jsonl

L1/L2 分类规则

自主分类,不逐条问用户:

这条经验如果在需要时没被加载,会导致犯错或失败吗?
├─ 会 → L1
└─ 不会,只是效率低一点 → L2

拿不准?→ 默认放 L1

L1 写入格式(principles.md)

### P001: 简短标题
category: 配置/技能/调研分析/多代理/排障/通用/其他
source: 2026-03-28 什么事得出的
why: 为什么要遵守(用于举一反三)
generalize: 泛化规律(从个例提炼的通用模式)
---
具体内容,1-3 句话说清楚。

编号规则:在 principles.md 中找到最大的 P 编号,+1。


L2 写入格式(patterns/*.md)

写入对应领域文件,同时更新 index.md:

领域文件中的条目:

## 简短标题
context: 什么场景下需要加载这条经验(自然语言描述)
tags: [关键词1, 关键词2, 关键词3]
source: 2026-03-28 什么事得出的
---
具体内容,包括步骤、命令、注意事项等。

index.md 中追加一行:

- 简短标题 | file: config.md | context: 什么场景下需要加载

领域文件选择:

  • config.md — 配置类(提供商、API、端口、认证)
  • skills.md — 技能类(安装、加载、SKILL.md 格式)
  • multi-agent.md — 多代理协作(subagent、调度、飞书群)
  • debug.md — 排障类(错误诊断、日志分析、重启修复)
  • research.md — 调研分析(调研方法、报告结构、信息整理)
  • general.md — 通用经验
  • other.md — 以上都不合适时的兜底

反思报告格式

## 自进化反思报告
时间: YYYY-MM-DD HH:MM

### 发现 1: [类型] 简短描述 → 已分类为 L1/L2
- 事件:发生了什么
- why: 为什么值得记住
- generalize: 通用规律
- **agent 分类:L1/L2(理由)**

### 发现 2: ...

> 以上分类由我自主完成。如有异议请指出,我会调整。

### 记忆系统健康度
- L1 原则数: X 条,本次新增 X 条
- L2 经验数: X 条,本次新增 X 条

用户主动回顾

用户说动作
"有哪些原则"读 principles.md,按 category 分组展示
"关于XX的经验"读 patterns/index.md,语义搜索相关条目并展示
"记忆统计"从 stats/citation-log.jsonl 生成统计报告
"清理记忆"列出零引用条目和长期未验证的 L1,引导审查

文件路径速查

文件用途
principles.mdL1 永久原则
pending.jsonl信号临时队列
patterns/index.mdL2 语义索引
patterns/config.md配置类经验
patterns/skills.md技能类经验
patterns/multi-agent.md多代理协作经验
patterns/debug.md排障经验
patterns/research.md调研分析经验
patterns/general.md通用经验
patterns/other.md未分类兜底
stats/citation-log.jsonl引用日志
config.yaml配置项

所有路径基于 ~/.openclaw/workspace/self-evolution/。

平台分布

OpenClaw

74.83%
按下载量换算1,146

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。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