Token导航 LogoToken导航

Agent Skill · 效率

light-memory(光记忆)

light-memory 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。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。

light-memory 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 17,591。

总安装 2,564周安装 109GitHub Stars 公开资料未说明下载 898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:light-memory(光记忆)
来源仓库:https://github.com/jason99666/light-memory
安装命令:
openclaw skills install light-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 light-memory

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。

轻量级三层提示驱动内存系统,用于 OpenClaw Agent 长期上下文保留。支持异步数据提取与 Markdown 结构化存储提升检索效率。按任务周期自动归档关键信息,减少重复提问负担。数据存储于本地文件系统,需确认写入权限与磁盘空间。建议定期清理过期条目以保持性能与相关性。

light-memory 属于效率类 Skill,可作为该场景下的辅助能力补充。

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 light-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

light-memory 怎么安装?

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

light-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。

light-memory 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。

light-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。

light-memory 用的人多吗?

公开数据是累计安装 2,564 次,近一周安装 109 次,下载 898 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。

light-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。
  • 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
light-memory

光记忆 · 本页

2,564—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

Memory System - Three-Layer Memory Architecture

版本:v1.0.0 | 日期:2026-04-12 设计原则:轻量、跨平台、Prompt-Driven、原子化安装、用户数据安全

一句话描述

一个可复用的 LLM Agent 三层记忆架构(L1/L2/L3),解决长周期对话的上下文失忆问题。

核心价值

  • 纯 Prompt 驱动:无 Python/Bash 依赖,跨平台开箱即用
  • 显式标记协议:用户主动标记"决策:"、"洞察:",后台异步提取
  • Memory Synergy 协议:不再实时拦截写入对话流,而是通过显式标记协助后台 Cron 任务异步提取,不阻塞用户对话
  • CAR 经验萃取:结构化长期记忆(Context-Action-Result)
  • 物理文件持久化:不依赖向量数据库,纯 Markdown 可审计
  • OpenClaw 原生集成:利用 Cron + Session 机制,无需额外服务
  • 绝对数据安全:安装时自动备份,迁移为可选命令

目标用户

  • OpenClaw 深度用户
  • 需要长周期记忆的个人 Agent 开发者
  • 对"上下文管理"有痛点的 AI 应用开发者

推荐模型

  • 推荐:Claude Sonnet / GPT-4o / 其他强推理模型
  • 可用:其他模型(效果可能因理解能力而异)

可用命令

/install-memory

原子化一键安装记忆系统。

执行流程(一气呵成,不可中断):

Step 1: 获取绝对路径(pwd)
    ↓
Step 2: 冲突检测(proactive-agent / self-improving-agent)
    ↓
Step 3: 备份现有文件
    ↓
Step 4: 写入 6 个 Prompt 模板
    ↓
Step 5: 初始化记忆文件(L1/L2/L3,保护已有数据)
    ↓
Step 6: 注册 Cron 任务(4 个核心 + 1 个可选心跳)
    ↓
Step 7: 验证 + 输出报告

执行步骤:

  1. 读取 prompts/install-prompt.md
  2. 严格按 Prompt 指引执行,任何步骤失败立即停止
  3. 输出安装报告(备份位置、文件列表、Cron 任务)

安全检查点:

  • 备份后验证文件存在
  • Prompt 写入后验证非空
  • Cron 注册后验证任务数量

/migrate-memory

可选迁移旧记忆数据到新格式。

执行流程:

Step 1: 验证备份存在(来自 /install-memory)
    ↓
Step 2: 读取旧数据(备份目录)
    ↓
Step 3: 识别模式(决策/任务/洞察/完成)
    ↓
Step 4: 清洗并写入新格式(L1/L2/L3)
    ↓
Step 5: 输出迁移报告

执行步骤:

  1. 读取 prompts/migrate-prompt.md
  2. 严格按 Prompt 指引执行
  3. 输出迁移报告(L1/L2/L3 数据统计)

安全机制:

  • 强制验证备份存在
  • 不覆盖现有文件,仅追加
  • 输出详细迁移报告

/check-memory

检查记忆系统运行状态。

执行步骤:

  1. 读取 references/troubleshooting.md
  2. 执行自检清单
  3. 输出状态报告

架构概览

用户对话(显式标记)
    ↓
物理日志 (.jsonl)
    ↓ [每小时:00, Prompt 驱动]
L1 提炼(LLM 读取 → 分析 → 写入)
    ↓
SESSION-STATE.md (L1)
    ↓ [23:05, Prompt 驱动]
L1→L2 归档(LLM 读取 → 按日期写入)
    ↓
memory/YYYY-MM-DD.md (L2)
    ↓ [周日 23:30, Prompt 驱动]
L2→L3 萃取(LLM 读取 → CAR 提炼)
    ↓
MEMORY.md (L3)
    ↓ [每天 23:10, Prompt 驱动]
Session GC(清理临时文件)
    ↓
心跳检查(每 30 分钟,健康监控)

文件结构

openclaw-memory-system/
├── SKILL.md                     # 本文件
├── _meta.json                   # ClawHub 元数据
├── prompts/                     # 7 个核心 Prompt 模板
│   ├── l1-hourly-prompt.md      # L1 每小时提炼
│   ├── l2-nightly-prompt.md     # L2 夜间归档
│   ├── l3-weekly-prompt.md      # L3 每周萃取
│   ├── gc-cleanup-prompt.md     # Session GC 清理
│   ├── heartbeat-prompt.md      # 心跳检查(可选)
│   ├── install-prompt.md        # 原子化安装
│   └── migrate-prompt.md        # 可选迁移
├── templates/                   # 记忆文件模板
│   ├── SESSION-STATE.template.md
│   ├── daily-log.template.md
│   └── MEMORY.template.md
└── references/                  # 补充文档
    ├── architecture.md          # 架构详解
    ├── car-format.md            # CAR 格式规范
    └── troubleshooting.md       # 故障排查

Cron 任务清单

核心任务(4 个)

任务名称触发时间sessionTarget目标写入
L1 每小时智能提炼0 9-23 * * *isolatedSESSION-STATE.md
L2 夜间全自动归档5 23 * * *isolatedmemory/YYYY-MM-DD.md
L3 周度自我进化30 23 * * 0isolatedMEMORY.md
Session GC 清理10 23 * * *isolated无(物理删除)

可选任务(1 个)

任务名称触发时间说明
心跳检查*/30 * * * *每 30 分钟检查系统健康状态

关键设计原则

  1. 禁止 ~ 符号:Cron 环境中 ~ 可能被解析为 /root,使用 pwd 获取绝对路径
  2. 禁止硬编码日期:使用 date 动态获取,避免读取过期数据
  3. 游标防重:[Last_Extracted_Time] 标记,避免重复提炼
  4. 原子化操作:安装一气呵成,失败立即停止
  5. 数据安全:安装时自动备份,迁移为可选

冲突处理

检测到已安装 proactive-agent 或 self-improving-agent 时:

  • 输出对比分析
  • 不强制替换
  • 用户自行决定是否共存

参考文档

  • 架构详解:references/architecture.md
  • CAR 格式:references/car-format.md
  • 故障排查:references/troubleshooting.md

*设计完成:2026-04-12 | 版本:v1.0.0*

平台分布

OpenClaw

85.39%
按下载量换算767

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