Token导航 LogoToken导航

Agent Skill · 运维

tag-memory(标签记忆)

tag-memory 用于补充运维相关能力,适合在 OpenClaw 中需要让 Agent 承接运维相关任务时使用。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。

tag-memory 是运维类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为权限未标注;许可证为 MIT-0,第三方扫描有提醒项,按安装量在运维类的 954 个 Skill 里排第 815。

总安装 2,820周安装 113GitHub Stars 公开资料未说明下载 913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:tag-memory(标签记忆)
来源仓库:https://github.com/luckyboybs/tag-memory
安装命令:
openclaw skills install tag-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 tag-memory

这个 Skill 是做什么的

运维类 Skill 处理部署、监控、日志和云资源,多数需要较高的执行权限。

实现标签化长期记忆存储,支持按关键词、时间范围和类别检索历史信息。自动总结记忆内容并请求人工审核,确保记忆准确性与安全性。适用于偏好记录、项目决策追踪等需要持续上下文支持的场景。建议定期清理过期标签,防止数据库膨胀影响查询性能。tag-memory 属于运维类 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 tag-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

    权限没有明确标注,第一次使用时只给一个无关紧要的任务,观察它到底读了哪些文件和网络。

常见问题

6 条

tag-memory 怎么安装?

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

tag-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。

tag-memory 需要什么权限?

权限级别没有明确标注。第一次使用时建议只给无关紧要的任务,观察它实际读写了哪些内容。

tag-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。

tag-memory 用的人多吗?

公开数据是累计安装 2,820 次,近一周安装 113 次,下载 913 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。

tag-memory 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。
  • 需要处理运维类任务、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。

运维类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
docker-essentials

Docker 基础 · OpenClaw

1,005,15130接触敏感数据MIT-0通过
playwright-scraper-skill

Playwright scraper 技能 · OpenClaw

923,55754接触敏感数据MIT-0有提醒
moltguard

moltguard 搜索 · OpenClaw

825,096110接触敏感数据MIT-0通过
finance-news

财经新闻 · OpenClaw

275,51210需要联网MIT-0有提醒
security-monitor

安全监视器 · OpenClaw

224,1695需要联网MIT-0有提醒
tag-memory

标签记忆 · 本页

2,820—权限未标注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

name
tag-memory
description
标签化长期记忆系统。当用户说"记住..."时存储记忆,当用户问"我之前..."时查询记忆,定期生成总结并询问确认,主动核对记忆正确性。支持标签(#偏好、#决定、#项目等)、BM25搜索、时间范围查询、人类审核机制。
disable-model-invocation
false
user-invocable
true

TagMemory - 标签化长期记忆系统

版本

  • 当前版本: 1.0.0
  • 核心功能: 标签存储、BM25搜索、人类审核、定期归纳

功能描述

让 AI 记住用户的重要信息(偏好、决定、项目等),并支持人类审核确保记忆准确。

核心能力

  • 🏷️ 标签化存储 - 为记忆打上语义标签
  • 🔍 BM25 搜索 - 快速准确的关键词搜索
  • ⏰ 时间标签 - 按时间段查询历史记忆
  • 🤝 人类审核 - 确认/修正/删除记忆
  • 📊 定期归纳 - 生成阶段性总结
  • 🛡️ 隐私优先 - 本地存储,不上传云端

标签体系

标签用途示例
#偏好用户偏好习惯"喜欢 tabs 缩进"
#决定重要决策"选择了 PostgreSQL"
#项目项目背景"在做电商项目"
#人人物信息"项目经理是张三"
#事件发生的事情"上周系统宕机了"
#知识学到的知识"学会了用 Docker"
#错误犯过的错误"之前选错了方案"

使用场景

场景 1:用户说"记住..."

用户: "记住,我喜欢用 tabs 缩进,不喜欢 spaces"
智能体: 
  执行命令存储记忆
  回应: "✅ 已记住!你偏好 tabs 缩进"

调用方式:

cd ~/.openclaw/workspace/skills/tag-memory && python3 src/cli.py --json store << EOF
{"content": "用户偏好 tabs 缩进,不喜欢 spaces", "tags": ["#偏好", "#编程"]}
EOF

场景 2:用户问"我之前..."

用户: "我之前为什么选择了 PostgreSQL?"
智能体:
  执行命令查询记忆
  回应: "根据记录,你当时选择 PostgreSQL 是因为性能更好"

调用方式:

cd ~/.openclaw/workspace/skills/tag-memory && python3 src/cli.py --json query << EOF
{"query": "PostgreSQL 选择 原因", "tags": ["#决定"]}
EOF

场景 3:查询偏好

用户: "我的编程偏好是什么?"
智能体:
  执行命令查询
  回应: "根据记忆,你的偏好包括:喜欢 tabs 缩进..."

场景 4:查看所有记忆

用户: "我记住了哪些东西?"
智能体:
  执行命令列出
  回应: "📋 你共记住了 10 条记忆..."

调用方式:

cd ~/.openclaw/workspace/skills/tag-memory && python3 src/cli.py list

场景 5:核对记忆

用户: "我有哪记忆需要确认?"
智能体:
  执行命令获取待核对列表
  主动询问用户确认

调用方式:

cd ~/.openclaw/workspace/skills/tag-memory && python3 src/cli.py --json verify-pending << EOF
{"max_count": 3}
EOF

场景 6:生成总结

用户: "总结一下这周我们讨论了什么"
智能体:
  执行命令生成总结
  展示给用户确认

调用方式:

cd ~/.openclaw/workspace/skills/tag-memory && python3 src/cli.py --json summarize << EOF
{"days": 7}
EOF

场景 7:确认总结

智能体: "这是阶段性总结... 这对吗?"
用户: "对,存档"
智能体:
  执行确认命令
  回应: "✅ 总结已存档"

调用方式:

cd ~/.openclaw/workspace/skills/tag-memory && python3 src/cli.py --json summarize-confirm << EOF
{"feedback": "confirm"}
EOF

CLI 命令速查

命令用途
store存储记忆
query <内容>查询记忆
list列出所有记忆
stats查看统计
verify-pending待核对列表
summarize [--days N]生成总结
summarize-confirm [feedback]确认总结

Agent 追踪

每条记忆都会记录是哪个 agent 产生的:

字段说明
agent_idagent 标识(main/agent-bot2/agent-bot3 等)
🤖在查询结果中显示

存储时指定 agent_id:

echo '{"content": "内容", "tags": ["#标签"], "agent_id": "main"}' | python3 src/cli.py --json store

查询结果示例:

1. ❓ [-1.22分] 这是小学蛋 agent 的记忆
   🏷️ #测试 | 📅 2026-03 | 🤖 agent-bot2

设计理念

TagMemory 的核心理念是人类参与记忆维护:

存储 ──→ 闲时核对 ──→ 定期归纳 ──→ 确认存档
  │          │            │           │
  ↓          ↓            ↓           ↓
打标签    纠正错误      生成总结     用户确认

为什么这样做?

  1. AI 自动存储的记忆可能有错误
  2. 没有人类审核,错误会累积
  3. 定期归纳 + 确认 = 确保记忆准确
  4. 闲时核对 = 发现错误及时纠正

与 LCM 的关系

系统用途数据
LCM对话压缩/上下文管理AI 自己和用户说了什么
TagMemory用户记忆/知识管理用户告诉 AI 的重要信息

两者互补,不会冲突。

平台分布

OpenClaw

75.18%
按下载量换算686

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

可疑

权限和风险

权限未标注

当前来源未能明确判断权限范围,默认进入异常复核队列。

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