智能经验记忆与技能进化系统

OpenClaw 生态的 episodic memory 系统，基于 Q-learning 评分记录任务经验，自动沉淀成功模式为可复用技能，让 AI 助手实现经验积累与持续优化。

基本信息

• 技能名称?guava-memory
• 中文名称?智能经验记忆与技能进化系统
• 作者?koatora20
• 分类?专业技能
• 版本?v1.0.0
• 标签?productivity, automation, development-engineering, memory-management

使用方法

使用说明
GuavaMemory 是专为 OpenClaw 设计的结构化情景记忆系统，通过仿照人类 episodic memory 机制，为 AI Agent 提供长期经验积累与技能进化能力。该系统以 Markdown 文件作为存储介质，结合 Q-learning 算法的评分机制，让 AI 助手能够"记住"什么方法有效、什么路径失败，并在类似任务中自动调用最优策略。
核心用法 围绕"记录-评分-沉淀"三部曲展开。每次任务完成后，系统会生成包含意图（Intent）、上下文（Context）、成功/失败模式（Success/Failure Pattern）及情感标记（feel）的 episode 文件，并计算 Q-value（效用值）。通过 memory_search 接口（兼容 Voyage AI），可在新任务开始时检索相关历史经验。当同一意图连续成功 3 次以上且 Q-value ≥ 0.85 时，系统会自动将经验提升为 memory/skills/ 下的标准化技能文档，实现从试错到最佳实践的转化。
显著优点 包括：纯本地架构确保数据隐私，无需网络同步即可工作；Q-value 量化反馈机制提供了超越简单日志的数据驱动优化能力；与 OpenClaw 生态深度集成，支持语义搜索；反模式（anti-patterns）记录功能主动防止重复犯错；轻量级设计仅依赖标准工具 jq ，无复杂环境配置。
潜在局限性 不容忽视：作为个人开发者（T3）维护的项目，长期支持稳定性存疑；纯文本文件存储在超大规模记忆场景下可能面临检索性能瓶颈；缺乏内置的网络同步机制，无法实现多设备协作；需要用户手动维护目录结构和 index.json 索引，存在一定的使用门槛；此外，Q-value 的初始评分依赖人工设定，若评分标准不统一可能影响学习效果。
适合的目标群体 主要是 OpenClaw 生态的进阶用户、需要构建长期记忆能力的 AI Agent 开发者，以及追求持续优化自动化工作流的技术团队。对于希望 AI 助手能从历史任务中"越用越聪明"的个人开发者而言，这是理想的记忆基建方案。
使用风险 方面，尽管安全评级为 A 级，但用户仍需注意：定期备份 memory/ 目录以防数据丢失；由于来源为个人账号，建议在生产环境使用前进行代码审计；确保系统已预装 jq 工具，否则搜索脚本无法运行；虽然脚本无破坏性操作，但仍建议检查文件路径配置，避免误操作非目标目录。