隐私优先的长期记忆管家

OpenClaw官方出品的用户记忆管理技能，通过科学分类与隐私优先设计，实现AI长期交互中的个性化服务与上下文延续。

基本信息

• 技能名称?remember-me
• 中文名称?隐私优先的长期记忆管家
• 作者?AchalS-iglu
• 分类?其他
• 版本?未标注
• 标签?productivity, privacy, personalization, memory-management, user-experience, automation

使用方法

使用说明
核心用法
remember-me 是一款面向长期人机协作的记忆管理技能，核心功能围绕"捕获-分类-存储-检索-遗忘"全生命周期展开。当用户说"记住这个"、表达偏好边界、或出现重复行为模式时，技能自动触发记忆流程：首先将信息分类为 FACT（用户明确陈述）、PREFERENCE（行为或陈述偏好）、GOAL（时间绑定目标）、HYPOTHESIS（推断假设）四类；随后以时间戳形式写入 memory/YYYY-MM-DD.md 日常笔记，并生成1-2条带置信度标记的假设；经验证的持久信息最终晋升至 MEMORY.md 长期档案。检索时优先查询记忆源并引用原文，若未命中则明确告知用户。
显著优点
该技能的设计体现了罕见的工程严谨性与人文关怀平衡。其一， 四层分类体系 杜绝了记忆污染——HYPOTHESIS 明确标记为"推断、未验证"，从根本上避免AI幻觉被固化为虚假记忆；其二， 置信度衰减机制 （高→中14天、中→低30天、低→丢弃60天）模拟人类记忆的遗忘曲线，防止陈旧假设干扰当前判断；其三， 显式排除清单 明确拒绝存储短暂情绪、一次性抱怨、敏感身份属性及原始对话日志，将隐私保护内置于架构；其四， 假设验证循环 通过轻量探针（如"我是否该更直接地挑战你？"）持续校准理解，使AI呈现"可纠正的谦逊"。
潜在缺点与局限性
首要局限在于 存储依赖外部实现 ：SKILL.md 仅定义协议与流程，实际的文件写入需依赖宿主环境支持，若未配置 memory/ 目录则功能降级为"建议性提示"。其次， 假设验证的社交成本 ：频繁的确认探针可能打断对话流，尤其在用户疲惫或紧急场景下，"人类式理解"反而造成摩擦。第三， 长期记忆的膨胀风险 ：虽然设有晋升门槛（重复2+会话、高影响、显式偏好），但缺乏自动归档或摘要压缩机制，多年使用后 MEMORY.md 可能沦为难以检索的冗长文档。最后， 跨设备同步缺失 ：记忆本地存储于单一会话环境，用户切换终端时面临"失忆"困境。
适合的目标群体
该技能最适合三类场景：一是 长期项目协作 ，如持续数月的研究、写作或产品开发，需要AI记住决策历史与演进脉络；二是 高个性化服务需求 ，如特定沟通风格偏好（直接vs探索性）、决策模式（速度优先vs深度优先）的职场人士；三是 隐私敏感但愿意有限披露的用户 ，其明确的同意机制与遗忘权设计，为注重数据主权的用户提供了可控的个性化路径。 conversely，追求极简交互、或频繁切换对话上下文的用户可能觉得记忆管理 overhead 过高。
使用风险
性能层面，频繁的磁盘写入在极端高频交互场景下可能产生I/O瓶颈，建议宿主环境实现异步批处理。依赖项层面，技能假设存在可用的文件系统与目录权限，容器化或沙箱环境需显式挂载 memory/ 路径。隐私层面，虽然协议禁止存储敏感属性，但"用户明确同意"的判定边界模糊——若用户在情绪激动时口头"同意"，后续可能产生争议，建议宿主增加二次确认或时间延迟机制。最后， 记忆一致性风险 ：多会话并发写入同一文件时可能产生竞态条件，需宿主实现文件锁或版本控制。