Obsidian + OpenClaw 持久化 AI 记忆系统
把 Obsidian 仓库和 OpenClaw 工作区配置成 AI 跨会话长期记忆系统，让助手记住上下文、维护知识图谱并主动整理记忆。
该技能为纯文档型配置指南，无脚本执行、无外部写入权限，本身风险较低；但文件结构建议在 TOOLS.md 中明文存放 API 密钥等凭据，且仅简单标注 MEMORY.md 的隐私加载限制，凭据与隐私数据的保护、确认与回滚机制均未说明，扣分。
说明自洽、步骤可读，Obsidian 设置和 QMD 命令的 happy path 表面合理；但未含任何测试、异常输入处理或失败反馈，QMD/mcporter/OpenClaw 的依赖可用性与版本兼容性无验证，扣分。
目标场景（跨会话 AI 记忆、Obsidian 知识库）描述清晰，文件生命周期说明较好；但对不适用边界、触发条件的界定不足，且核心依赖 OpenClaw/QMD 文档链接缺失或待定，对中国大陆网络可达性未做任何说明，扣分。
信息架构分层清晰（SKILL.md + references + 建议的 assets），渐进披露合理；但许可证未知、QMD Docs 标注 TBD、无版本与变更记录、维护责任不明，且正文路径 (~clawd) 与仓库结构 (~/Atom_notebook) 不一致，README 指向的 GitHub 仓库 (Samin12) 与本仓库 (leondgarse) 不符，扣分。
作为配置指南可帮助用户搭建记忆工作区，结构化文件建议有边际价值；但属静态文档、无执行证据，OpenClaw/QMD 的关键命令未经复现，产出是否直接可用无法验证，扣分。
仅有作者自述文档，引用的外部文档链接缺失或不一致（QMD TBD、GitHub 链接指向第三方账户），无测试、无第三方执行证据、无独立可复现材料，扣分。
- 文件结构建议在 TOOLS.md 中明文保存 API 密钥与凭据，采用该方案的用户应避免将真实凭据写入会被注入系统提示词的文件，并纳入 .gitignore。
- MEMORY.md 及记忆文件会注入系统提示词，注意不要在其中写入敏感个人信息。
- 许可证未知，商用或再分发前需确认授权。
- 核心依赖 OpenClaw/QMD 的文档链接缺失（TBD）且仓库归属信息不一致，环境可达性（含中国大陆网络）未验证。
- 静态评审，未执行任何命令；QMD 与 mcporter 命令的可用性需自行验证。
这个 Skill 能做什么，适合哪些场景？
这个技能教用户如何搭建一套由 OpenClaw、Obsidian 和 QMD 三部分组成的持久化 AI 记忆系统。OpenClaw 在每次会话开始时把工作区文件注入系统提示，使 AI 天然带着上下文'醒来'；Obsidian 以图谱视图可视化笔记之间的关联；QMD 提供本地语义搜索，无需把所有文件塞进上下文窗口即可找到相关内容。技能覆盖文件结构（MEMORY.md、每日日志、second-brain、directives 等）、仓库初始化、插件配置和基于 HEARTBEAT.md 的定期记忆维护流程。它来自作者 leondgarse 的个人知识库仓库 Atom_notebook，本身就是这套方法的一个实例。
指导 AI 完成以下操作：创建指向工作区文件夹的 Obsidian 仓库并启用图谱视图；安装并配置 Dataview 和 Templater 插件，建立每日笔记模板和查询；运行 qmd collection add、qmd embed 构建语义索引，并通过 mcporter call qmd.vsearch / qmd.query 执行语义检索；创建和维护 MEMORY.md、memory/YYYY-MM-DD.md、second-brain/、directives/、HEARTBEAT.md、AGENTS.md、USER.md、SOUL.md 等核心文件；按照 HEARTBEAT.md 定期回顾近几天日志，把关键洞见蒸馏进 MEMORY.md 并清理过时条目。
- 长期与 AI 助手协作的个人用户，希望新会话能延续上次讨论的决策和项目背景，而不是每次从头解释。
- 已经在用 Obsidian 做笔记的人，想把现有仓库升级为 AI 可读写的记忆工作区。
- 运行 OpenClaw 等会话启动注入工具的用户，需要一套经过验证的文件布局和维护流程。
- 拥有大量笔记、又不想每次把全部文件加载进上下文的人，需要用 QMD 语义搜索精准召回相关内容。
- 希望 AI 在会话之间'主动做事'（如整理日志、更新长期记忆）的用户，可借助 HEARTBEAT.md 的定时任务机制。
这个 Skill 有哪些优点和局限？
- 提供完整、具体的工作区文件结构和模板（每日笔记模板、Dataview 查询、HEARTBEAT 示例），可直接照搬。
- 核心理念清晰且可执行：把重要内容写进文件而非只留在对话里，通过文件注入实现跨会话记忆。
- 基于真实作者个人知识库提炼，README 展示了完整目录布局作为参考实现。
- 三组件分工明确（注入、可视化、语义搜索），避免把所有文件塞进上下文窗口。
- 强依赖三个外部工具（OpenClaw、Obsidian、QMD），不使用这套技术栈的用户价值有限。
- QMD 的安装方法和官方文档在源材料中标注为 TBD（待定），生态成熟度存疑。
- 仓库未标注开源许可证，采用前存在授权不确定性。
- 仓库无 topics、无测试，技能效果没有独立验证；HEARTBEAT 定时维护依赖 OpenClaw 的轮询配置，具体间隔需用户自行设置。
- 引用的 references/file-structure.md 与 assets/architecture.png 内容未在源材料中提供，完整性无法核实。
如何安装这个 Skill？
- 从仓库 leondgarse/Atom_notebook 获取 skills/obsidian-openclaw-memory/SKILL.md，放入你的 Agent Skills 目录（如 ~/.claude/skills/obsidian-openclaw-memory/）。2. 本机需安装 Obsidian、OpenClaw 和 QMD（QMD 及 mcporter 的安装步骤源材料未提供）。3. 用 Obsidian 打开你的工作区文件夹：File → Open Vault → Open Folder as Vault。技能还引用了 references/file-structure.md 和 assets/architecture.png，SKILL.md 内容中未包含，需确认仓库中是否存在。
如何使用这个 Skill？
- 触发示例：'帮我把我的工作区配置成 OpenClaw 记忆系统'或'设置 Obsidian 记忆仓库'。2. 按技能指引建立核心文件（MEMORY.md、memory/、HEARTBEAT.md 等）。3. 建立语义索引：
qmd collection add ~/clawd --name clawd然后qmd embed；新增重要文件后重新运行qmd embed。4. AI 内检索：mcporter call qmd.vsearch query="..."。5. 会话中想记住的内容明确要求'写到 memory 里'；每隔几天按 HEARTBEAT.md 蒸馏日志到 MEMORY.md。