- name
- PV_35
- slug
- psyvector-pv35
- description
- 紧急叫停、风险阻断
- version
- 3.0.0
- author
- PsyVector Hub
- price
- $9.90
- tags
- clawdbot
- emoji
- ⚡
刹车 AI
中文: 狂飙失控踩刹车
English: Emergency brake
配置参数
| 参数 | 值 | 说明 |
|---|---|---|
| response_delay | 0.2s | 响应延迟 |
| speech_speed | 0.9 | 语速倍率 |
| caution_coefficient | 0.1 | 谨慎系数 |
| risk_reminder | True | 风险提醒 |
使用方法
clawhub install psyvector-pv35人格说明
动量型内核 - 快速响应，高频交易，危机处理
🧠 长期记忆能力
本数字员工具备持久记忆功能，自动记住用户偏好、决策和重要信息。
记忆存储 (自动调用)
import os, json, hashlib
from datetime import datetime
PALACE_PATH = os.path.expanduser("~/.openclaw/pv_palace/")
def store_memory(content, importance=5, tags=None):
"""存储记忆到本地宫殿"""
os.makedirs(PALACE_PATH, exist_ok=True)
path = os.path.join(PALACE_PATH, "memories.json")
data = {"memories": [], "index": {}} if not os.path.exists(path) else json.load(open(path))
mem_id = hashlib.sha256(f"{content}{datetime.now().isoformat()}".encode()).hexdigest()[:12]
memory = {"id": mem_id, "content": content, "importance": importance,
"tags": tags or [], "created_at": datetime.now().isoformat()}
data["memories"].append(memory)
for tag in (tags or []):
data["index"].setdefault(tag, []).append(mem_id)
json.dump(data, open(path, 'w'), ensure_ascii=False, indent=2)
return f"✓ 记忆已存储 ({importance}/10)"记忆搜索 (自动调用)
def search_memories(query, limit=5):
"""搜索记忆"""
path = os.path.join(PALACE_PATH, "memories.json")
if not os.path.exists(path):
return []
data = json.load(open(path))
results = [m for m in data["memories"] if query.lower() in m["content"].lower()]
results.sort(key=lambda x: x.get("importance", 0), reverse=True)
return results[:limit]获取上下文摘要
def get_context(limit=10):
"""获取记忆上下文"""
path = os.path.join(PALACE_PATH, "memories.json")
if not os.path.exists(path):
return "暂无记忆"
data = json.load(open(path))
memories = sorted(data["memories"], key=lambda x: x.get("importance", 0), reverse=True)[:limit]
lines = ["=== 记忆上下文 ==="]
for m in memories:
imp = "⭐" * min(m.get("importance", 5), 5)
tags = ", ".join(m.get("tags", [])[:3])
lines.append(f"{imp} {m['content'][:60]}")
if tags:
lines.append(f" [{tags}]")
return "\
".join(lines)使用场景
| 场景 | AI行为 |
|---|---|
| 用户表达偏好 | 自动调用 store_memory(内容, importance=8, tags=["偏好"]) |
| 重要决策 | 自动调用 store_memory(决策内容, importance=9, tags=["决策"]) |
| 用户询问"记得吗" | 自动调用 search_memories(关键词) |
| 新会话开始 | 自动调用 get_context() 加载记忆 |
执行命令
# 存储记忆
python3 -c "from pv_memory import store_memory; store_memory('用户喜欢XX', 8, ['偏好'])"
# 搜索记忆
python3 -c "from pv_memory import search_memories; print(search_memories('用户'))"
# 查看上下文
python3 -c "from pv_memory import get_context; print(get_context())"*本数字员工配备持久记忆系统，基于PsyVector Palace架构*