- name
- MemOptimizer (记忆优化器)
- slug
- mem-optimizer
- version
- 1.2.0
- description
- 记忆优化与压缩工具。结合 self-improving 机制，自动统计、压缩和优化记忆文件，减少 token 消耗。支持多智能体优化和24小时工作检测。触发关键词：优化记忆、记忆优化、总结你自己、MemOptimizer、memopt、执行多智能体记忆优化流程
- changelog
- |
- metadata
- openclaw
- global
- true
- requires
- bins
- []
- triggers
- tools
- cron
- action
- mem_optimize_daily
- description
- 每天上午 8 点执行记忆优化并发送每日总结
MemOptimizer (记忆优化器) 🧠
记忆压缩与统计工具 - 整合 Self-Improving 机制
自动扫描工作区的 memory 文件，统计 tokens 使用情况，执行压缩优化，并结合自我反思机制持续改进优化策略。
触发方式
手动触发
当用户说出以下关键词时自动激活：
- 优化记忆
- 记忆优化
- 总结你自己
- MemOptimizer
- memopt
自动触发
- 每日定时：每天上午 8:00 自动执行（UTC 时间）
- 执行后自动发送每日总结报告
核心功能
1. Token 统计与压缩
- 扫描
memory/目录下所有.md文件 - 估算每个文件的 token 消耗（中文 2 字符/token，英文 4 字符/token）
- 自动识别冗长的记忆条目（>50 行）
- 生成摘要，保留关键信息
2. Self-Improving 整合 🆕
结合自我反思机制，持续优化记忆策略：
反思触发条件
| 触发场景 | 置信度 | 动作 |
|---|---|---|
| 用户指出"这个压缩太过了" | 高 | 记录到 corrections.md |
| 用户说"保留更多细节" | 高 | 调整压缩阈值 |
| 多次压缩后用户要求恢复 | 中 | 标记为"过度压缩"模式 |
| 用户确认"这样压缩很好" | 中 | 推广为全局偏好 |
反思日志格式
## [Date] — Memory Optimization
**What I did:** Compressed 3 memory files, freed 2500 tokens
**Outcome:** User approved the compression
**Reflection:** Compression ratio of 40% was well received
**Lesson:** 40-50% compression ratio is safe for daily notes
**Status:** ✅ promoted to global preferences学习演化路径
- Tentative — 单次优化后观察用户反馈
- Emerging — 2 次相似反馈，可能模式
- Pending — 3 次反馈，请求确认
- Confirmed — 用户确认，永久偏好
- Archived — 90 天未使用，保留但停用
3. 每日总结报告（自动）
每天上午 8 点自动执行，包含：
报告内容
- 记忆优化结果
- 释放的 tokens 数量 - 总结的 tokens 数量 - 处理的文件列表
- 服务器状态
- CPU/内存使用率 - 磁盘空间 - 网络状态
- 多智能体状态
- 活跃子 agent 列表 - 各 agent 任务进度 - 异常或警告
- 任务概览
- 过去 24 小时执行的任务 - 成功/失败统计 - 耗时最长的任务
发送方式
- 通过 Feishu 发送给用户
- 包含可交互的卡片（如平台支持）
- 附带详细日志文件链接
工具使用
mem_optimize - 执行记忆优化
mem_optimize({
dryRun: true, // true=仅预览（默认）
includeReflection: true, // 是否记录反思（默认 true）
compressionRatio: 0.4 // 目标压缩比（0-1）
})返回格式：
{
"status": "success",
"message": "已释放 1234 tokens，总结了 5678 tokens 记忆",
"stats": {
"freedTokens": 1234,
"summarizedTokens": 5678,
"filesProcessed": 5,
"totalTokens": 15000,
"compressionRatio": 0.42
},
"reflection": {
"logged": true,
"pattern": "compression_acceptable",
"confidence": "medium"
},
"dryRun": true
}mem_stats - 统计记忆使用情况
mem_stats()返回格式：
{
"status": "success",
"totalFiles": 10,
"totalTokens": 15000,
"files": [
{
"name": "2026-03-12.md",
"tokens": 500,
"lines": 45
}
]
}mem_optimize_daily - 每日自动执行（内部工具）
由 cron 自动调用，执行完整优化并发送报告。
每日总结报告模板
🧠 每日记忆优化报告 - [日期]
📊 记忆优化结果
─────────────────────
• 释放 tokens: 1,234
• 总结 tokens: 5,678
• 处理文件：5 个
• 压缩率：42%
🖥️ 服务器状态
─────────────────────
• CPU: 23% (avg)
• 内存：4.2GB / 16GB
• 磁盘：45GB / 500GB
• 网络：正常
🤖 多智能体状态
─────────────────────
• 活跃子 agent: 2
- mem-optimizer (完成)
- web-search (进行中)
• 无异常警告
📋 任务概览 (过去 24h)
─────────────────────
• 总任务：12
• 成功：11
• 失败：1
• 平均耗时：2.3s
📝 反思日志
─────────────────────
• 新增学习：1 条
• 确认偏好：0 条
• 归档旧模式：0 条
[查看详细日志]优化策略
压缩阈值
- 默认：50 行以上开始压缩
- 可调整：根据用户反馈动态调整
- 安全边界：保留标题和前 20 行
安全机制
- 默认 dryRun：仅预览不修改
- 用户确认：执行实际压缩需确认
- 备份建议：重要文件建议先备份
- 可恢复：压缩内容可手动恢复
Self-Improving 循环
1. 执行优化
↓
2. 观察用户反馈
↓
3. 记录到 reflections.md
↓
4. 模式累积（3 次）
↓
5. 请求确认
↓
6. 更新全局偏好
↓
7. 下次优化应用新策略与 memory-qdrant 的协同
- memory-qdrant：向量数据库，用于语义搜索和长期记忆存储
- MemOptimizer：文件压缩工具，减少 memory 文件的 token 消耗
两者互补：
- qdrant 处理语义记忆
- MemOptimizer 处理文件存储优化
- 优化结果同步到 qdrant 用于长期学习
配置选项
可通过环境变量或配置文件自定义：
{
"compressionThreshold": 50, // 压缩阈值（行数）
"maxSummaryLines": 20, // 摘要最大行数
"defaultDryRun": true, // 默认预览模式
"targetCompressionRatio": 0.4, // 目标压缩比
"excludePatterns": [], // 排除的文件模式
"reflectionEnabled": true, // 是否启用反思
"dailyReportTime": "08:00" // 每日报告时间（UTC）
}定时任务配置
自动执行时间
- 时间：每天上午 8:00（UTC）
- 时区：UTC（可根据需要调整）
配置位置
# ~/.openclaw/config.yaml 或 agent 配置
cron:
- expression: "0 8 * * *"
action: "mem_optimize_daily"
enabled: true禁用方法
如功能带来负担，可：
- 编辑配置，设置
enabled: false - 或删除 cron 配置项
- 或删除整个 skill 目录
未来扩展
- [ ] 支持智能去重（语义相似度检测）
- [ ] 支持自动归档（30 天前的文件）
- [ ] 支持记忆导出/导入
- [ ] 支持记忆分类标签
- [ ] 支持多时区报告时间
- [ ] 支持报告模板自定义