Token导航 LogoToken导航

Agent Skill · 效率

memddc-ai-skill(memddcAI 技能)

memddc-ai-skill 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。

memddc-ai-skill 是效率类 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,第三方扫描有提醒项,按安装量在效率类的 21,003 个 Skill 里排第 19,216。

总安装 2,109周安装 87GitHub Stars 1下载 689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
1.0.2

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:memddc-ai-skill(memddcAI 技能)
来源仓库:https://github.com/qihao123/memddc-ai-skill
安装命令:
openclaw skills install memddc-ai-skill
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 memddc-ai-skill

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。

面向团队协作的项目文档管理与代码迭代工具,支持自动文档生成、DDD模型管理、记忆压缩和智能变更同步。

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 memddc-ai-skill;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

memddc-ai-skill 怎么安装?

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

memddc-ai-skill 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。

memddc-ai-skill 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。

memddc-ai-skill 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。

memddc-ai-skill 用的人多吗?

公开数据是累计安装 2,109 次,近一周安装 87 次,下载 689 次,GitHub 1 星。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。

memddc-ai-skill 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

  • 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。
  • 需要处理效率类任务、又不想每次都手写提示词的人。

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
memddc-ai-skill

memddcAI 技能 · 本页

2,1091需要联网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

MemDDC

技能信息

  • 技能名称: MemDDC
  • 版本: 1.0.2
  • 作者: qihao123
  • 描述: 面向团队协作的项目文档管理与代码迭代智能工具,提供自动文档生成、DDD模型管理、记忆压缩、代码风格统一和智能触发功能
  • 触发关键词: MemDDC, 加载记忆约束修改, 按DDD契约迭代更新, memddc-init, memddc-update, memddc-sync
  • 适用场景: 团队协作开发、复杂架构迭代、遗留系统持续重构、长期多人维护工程AI约束治理

快速定位约定

当用户提出涉及具体实体(如 SysDept)或模块(如 system/dept)的修改需求时:

  • 第一步:查询 mem-snapshot.json 的 index 层获取文件路径
  • 第二步:读取目标文件
  • 禁止在未查索引前进行大规模文件探索

实战交互契约

用户说"memddc-sync"或"MemDDC 更新"时:

  1. 执行 git diff --name-only 获取变更文件列表
  2. 将变更文件与 mem-snapshot.json 中的模块/实体/API 列表匹配
  3. 仅更新受影响的 Markdown 文档段落
  4. 更新 snapshot 中标记的字段,其余原样保留

用户提出代码修改需求时:

  1. 优先加载 mem-snapshot.json
  2. 根据 snapshot 中的模块和关键类列表定位相关文件
  3. 先输出变更蓝图(影响文件清单),经用户确认后再执行修改

记忆快照 (mem-snapshot.json)

采用三级索引结构,便于 AI 快速定位与约束注入:

  1. metadata — 项目元信息

- 名称、版本、技术栈、代码规模统计 - 供 AI 快速识别项目特征

  1. index — 可查询的文件索引

- entities: 核心实体 → 文件路径、所属模块、对应表名 - controllers: Controller → 文件路径、basePath - services: ServiceImpl → 文件路径、interface、模块 - mappers: Mapper → java 路径、xml 路径、表名 - apis: 前端 API 封装 → 文件路径 - views: 前端页面 → 文件路径 - modules: 模块职责说明 - relations: 核心实体关联映射(entity→mapper→service→controller→view) - 示例:SysDept → {entity, mapper, service, controller, views[]} - AI 修改具体实体时,按 ID 查表定位相关文件,无需探索性读取

  1. context — 上下文约束

- vcsSummary: 提交规律与近期变更主题 - structureAnalysis: 架构模式与潜在问题 - patterns: 高频设计模式(如 treeBuild、pagination、permission、crudApi) - codeStyle: 命名规范、返回值类型、注解写法 - constraints: 业务常量映射(状态、类型、数据范围等)

团队协作

  • 团队共享目录: .memddc/
  • 共享配置: config.json 中的 team.syncBranch
  • 冲突提示: 当 mem-snapshot.json 与 Git 状态不一致时,提示用户先执行 memddc-sync

目录结构

v1.0.2 新版目录结构

project/
├── .memddc/                          # MemDDC 统一存储目录(团队共享)
│   ├── config.json                   # 团队共享配置
│   ├── mem-snapshot.json             # 全局记忆快照(核心)
│   ├── vcs-log-raw.txt              # 原始VCS日志(最近100条)
│   ├── vcs-log-analysis.md           # AI整理的VCS日志分析
│   ├── file-tree-raw.txt            # 原始文件树
│   ├── file-tree-analysis.md        # AI文件结构分析
│   ├── docs/                        # 项目文档(用户可添加)
│   │   ├── user-docs/              # 用户文档目录(AI会分析其中的业务文档)
│   │   ├── architecture.md          # 架构文档
│   │   ├── business.md             # 业务文档
│   │   ├── api.md                  # API接口文档
│   │   ├── database.md             # 数据库设计文档
│   │   ├── development.md          # 开发指南
│   │   ├── code-style.md           # 代码风格指南
│   │   ├── [language-specific].md # 语言专属文档
│   │   ├── [architecture-specific].md # 架构专属文档
│   │   └── diagrams/               # 图表文档(Mermaid)
│   │       ├── architecture.mmd
│   │       ├── flow.mmd
│   │       ├── sequence.mmd
│   │       └── er.mmd
│   ├── ddd-model.md                 # DDD领域模型
│   ├── snapshots/                   # 历史快照存档
│   │   ├── docs-compressed.zip     # 文档压缩包
│   │   └── mem-YYYYMMDD-HHMMSS.json # 时间戳快照
│   ├── logs/                        # 操作日志
│   │   └── sync-YYYYMMDD.log
│   └── .gitignore                  # 团队共享的git忽略规则
└── [项目源代码目录]

配置文件 (config.json)

{
  "version": "1.0.2",
  "project": {
    "name": "项目名称",
    "type": "backend|frontend|mobile|microservice",
    "language": "java|python|go|javascript|typescript|rust",
    "framework": "spring|django|gin|react|vue|flask",
    "architecture": "mvc|mvvm|ddd|microservice|serverless|monolithic"
  },
  "team": {
    "shared": true,
    "members": ["member1@example.com", "member2@example.com"],
    "syncBranch": "main"
  },
  "triggers": {
    "codeChange": true,
    "structureChange": true,
    "configChange": true,
    "manual": true,
    "scheduled": false,
    "scheduleCron": "0 2 * * *"
  },
  "document": {
    "types": ["architecture", "business", "api", "database"],
    "includeDiagrams": true,
    "autoUpdate": true,
    "analyzeUserDocs": true
  },
  "vcs": {
    "enabled": true,
    "logLimit": 100,
    "types": ["git", "svn"]
  },
  "fileAnalysis": {
    "enabled": true,
    "includeIdeIndexes": true
  },
  "compression": {
    "level": 7,
    "excludePatterns": ["*.log", "*.tmp", "node_modules/**"],
    "contextLimit": 128000,
    "autoCompressThreshold": 0.8
  }
}

工作流程

v1.0.2 初始化阶段(核心升级)

  1. VCS日志拉取

- 检测版本控制系统类型(Git/SVN) - 执行 git log --pretty=format:"%h %s %b" -n 100 或 svn log --limit 100 - 保存原始日志到 .memddc/vcs-log-raw.txt

  1. AI日志分析

- 将原始日志发送给AI分析 - AI提取:提交规律、关键版本、团队协作模式、业务变更周期 - 保存分析结果到 .memddc/vcs-log-analysis.md

  1. 文件树扫描

- 递归扫描项目目录结构 - 收集IDE索引文件(如存在) - 保存到 .memddc/file-tree-raw.txt

  1. AI结构分析

- 将文件结构发送给AI分析 - AI评估:模块划分、依赖关系、潜在问题 - 保存分析结果到 .memddc/file-tree-analysis.md

  1. 用户文档分析

- 扫描 .memddc/docs/user-docs/ 目录 - 将用户文档发送给AI提取业务上下文 - 提取:业务流程、业务术语、需求规则

  1. 代码扫描与文档生成

- 全量代码AST扫描 - 生成适配项目的结构化文档 - 构建DDD领域模型

  1. 关联映射构建

- 扫描核心实体(Controller/Service/Mapper/Entity) - 自动构建 entity→mapper→service→controller→view 的关联映射 - 写入 mem-snapshot.json 的 relations 字段

  1. 整合写入快照

- 将VCS分析、文件结构分析、业务上下文整合 - 生成包含全部上下文信息的 mem-snapshot.json

memddc-sync 增量流程

  1. 执行 git diff --name-only 获取变更文件
  2. 分类:代码文件→更新文档 / 用户文档→更新业务上下文 / 配置文件→更新技术栈说明
  3. AI 输出影响面判断:{"affectedDocs": [...], "snapshotFields": [...]}
  4. 精准读取并更新受影响内容
  5. 写入新 snapshot,保留未变更字段

迭代修改阶段

  1. 快速记忆加载:读取 mem-snapshot.json
  2. 变更感知:了解本次需要修改的范围和内容
  3. 文件定位:根据需求关键词查询 index 层(entities / services / mappers / views 等),精准定位相关文件路径
  4. DDD约束:确保修改符合领域模型和业务契约
  5. 模式约束:参考 context.patterns 和 context.codeStyle,保持与项目现有约定一致
  6. 一致性保证:修改完成后自动同步更新相关文档

同步闭环阶段

  1. 比对代码变更
  2. 更新相关文档
  3. 同步DDD模型
  4. 重新分析VCS日志和文件结构(如有变化)
  5. 更新记忆快照
  6. 验证多者一致
  7. 按三级索引结构写入 mem-snapshot.json
  8. 容量检查:快照大小超过上下文限制80%时触发压缩

- Level 1:精简描述 - Level 2:只保留关键字段 - 最小保证:模块列表、关键API、约束规则

技术实现

核心模块

  1. 项目扫描器

- 深度目录结构分析 - 多语言源码解析 - 依赖关系分析 - API接口分析 - 数据库逻辑分析 - 配置文件分析 - 变更检测器

  1. 策略选择器

- 项目类型识别 - 编程语言识别 - 框架识别 - 架构模式识别 - 最优策略匹配

  1. 文档生成器

- 架构文档生成 - 业务文档生成 - API文档生成 - 数据库文档生成 - 语言专属文档生成 - 架构专属文档生成 - Mermaid图表生成

  1. DDD模型构建器

- 限界上下文识别 - 聚合根分析 - 实体边界定义 - 值对象设计 - 领域服务提取 - 领域事件识别

  1. 记忆管理系统

- 智能文档压缩 - 记忆快照生成 - 历史决策记录 - 上下文注入 - 增量更新 - 冲突检测 - 容量检查: 快照大小超过上下文限制80%时自动压缩

  1. 变更追踪器

- 代码变更检测 - 文档同步更新 - 模型一致性验证 - 影响分析

  1. 团队协作器

- 配置同步 - 冲突检测 - 权限管理 - 版本控制集成

技术栈支持

技术栈文档生成DDD建模记忆压缩
Java/Spring Boot✅✅✅
Python/Django/Flask✅✅✅
Node.js/Express/Nest✅✅✅
Go/Gin✅✅✅
前端框架✅⚠️✅
微服务✅✅✅

注意事项

  1. 首次使用: 确保项目目录存在且包含源码文件
  2. 权限要求: 需要对项目目录和 .memddc 目录有读写权限
  3. 版本控制: 建议将 .memddc 目录纳入版本控制
  4. 文档维护: 代码变更后及时运行更新命令

故障排除

初始化失败

  • 检查项目目录权限
  • 确保项目中包含足够的源码文件
  • 查看 .memddc/logs/ 下的日志文件

文档未同步

  • 运行 MemDDC 更新 手动同步
  • 检查 config.json 中的 autoUpdate 配置

Token消耗未降低

  • 确认 .memddc/mem-snapshot.json 存在
  • 尝试开启新对话再触发技能
  • 检查文档是否过大(可考虑精简)

版本历史

  • v1.0.2 - 当前稳定版 (推荐)

- VCS日志分析:Git/SVN日志AI整理写入快照 - 文件结构分析:IDE索引和目录树AI分析 - 用户文档纳入:docs目录文档自动业务分析 - 三级索引结构:metadata/index/context - 关联映射:entity→mapper→service→controller→view - 实测降低 Token 消耗:项目说明 36%,业务修改 53%

  • v1.0.1 - 历史版本

- 完整的文档生成和DDD建模 - 智能记忆压缩 - 团队协作支持

  • v1.0.0 - 初始版本

- 基础文档生成 - 简单DDD模型

许可协议

MIT License

联系方式

  • 项目主页: <https://github.com/qihao123/memddc-ai-skill>
  • 作者: qihao123
  • 邮件: <qihoo2017@gmail.com>

平台分布

OpenClaw

92.79%
按下载量换算639

安全审计

VirusTotal

通过

ClawScan

可疑

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。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