这个 Skill 能做什么，适合哪些场景？
该技能为 OpenClaw 网关提供持久跨会话记忆。通过自动捕获 Agent 的工具使用（读取、写入、Bash 等）作为观察记录，由本地 worker 服务进行 AI 压缩，并将相关上下文注入未来会话的系统提示中。支持通过 Telegram、Discord、Slack 等消息通道实时流式传输观察记录。适用于希望在网关上的多个 Agent 间保持项目知识连续性的用户。
该技能通过 OpenClaw 生命周期钩子工作：在 agent 启动时初始化会话，在构建提示前注入观察时间线（缓存 60 秒），记录每次工具使用（截断至 1000 字符），在 agent 结束时总结会话。它与本地 worker 服务（默认端口 37777）通信，该服务存储观察记录、生成摘要并提供上下文注入端点。可配置的可选 SSE 观察源将新观察记录转发到消息通道（Telegram、Discord、Slack、Signal、WhatsApp、LINE）。提供两个命令：/claude_mem_status 和 /claude_mem_feed。
- 在 OpenClaw 中运行编码机器人的用户，希望跨会话保留项目上下文，以便未来会话无需重新询问即可了解先前决策。
- 团队在 Telegram 或 Discord 频道监控 Agent 活动，希望在工具使用时实时查看观察记录流。
- 在多个 Agent（每个项目不同）上工作的开发者，希望使用 'project' 配置隔离记忆。
- 希望自动保留工具使用记录但不希望依赖 MEMORY.md 文件进行上下文管理的用户。
如何安装这个 Skill？
- 该技能的核心功能（如观察数据注入和AI摘要）依赖外部AI服务（如Gemini、Claude等），这些服务在中国大陆可能无法直接访问，用户需自行评估可达性。
- 自动安装脚本会执行来自远程URL（如install.cmem.ai）的脚本，存在供应链风险，请手动审查脚本内容或使用手动安装方式。
- 文档中存在版本号不一致（插件清单为13.13.1，说明为1.0.0），可能影响更新管理和兼容性判断。
- 该技能会收集并处理工作会话中的工具使用数据（如文件路径、工具输入输出），请确保符合所在地区的隐私法规和用户授权。
- Shell / 命令行
- 网络访问
- 本地文件系统
Node.js >=20Bunuv
快速安装：运行 curl -fsSL https://install.cmem.ai/openclaw.sh | bash。该安装程序会检查依赖项（Bun、uv）、安装插件、配置记忆槽位和 AI 提供商，并启动 worker。也可带选项运行，例如 --provider=gemini --api-key=YOUR_KEY 预选提供商，--non-interactive 实现无人值守安装，--upgrade 升级现有安装。手动安装：克隆仓库、运行 npm install 和 npm run build，确保安装了 Bun，启动 worker（npm run worker:start），并将插件配置添加到 OpenClaw 网关配置中。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/thedotmack/claude-mem.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/openclaw" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装并重启网关后，插件自动工作。Agent 的工具使用会按上述生命周期事件记录。在 OpenClaw 聊天中运行 /claude_mem_status 验证 worker 健康状态，运行 /claude_mem_feed 检查观察源状态。可选地，在插件配置中启用观察源，设置 observationFeed.enabled、channel 和 to。然后，让 Agent 执行任务并观察观察记录流。有关完整配置字段，请参阅 SKILL.md。
这个 Skill 有哪些优点和局限？
- 自动记录，无需手动干预
- 上下文通过系统提示注入，保持 MEMORY.md 由 Agent 控制
- 支持多个消息通道实时观察源
- 提供 worker 查看器 UI（http://localhost:37777）
- 包含自动安装脚本以简化设置
- 需要 OpenAI 提供商（例如 Gemini、Claude）来生成 AI 摘要；未记录提供商选择和成本
- 观察源仅支持已配置的消息通道，设置需要通道 ID，可能不太方便
- 自动安装脚本是未记录的来源（install.cmem.ai），可能引发安全问题
- 文档未提及对自定义 worker 部署的支持，除了默认端口和本地主机
- 未提供测试套件或明确的故障模式，超出故障排除表
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| Claude-Mem OpenClaw 持久记忆插件 本页 | 59 · 推荐 | ★ 98k | 3 天前 | Apache-2.0 |
| OpenClaw 安全审计守望者 | 48 · 谨慎使用 | ★ 1.1k | 13 天前 | AGPL-3.0 |
| ClawSec 安全情报馈送 | 47 · 谨慎使用 | ★ 1.1k | 13 天前 | AGPL-3.0 |
| OpenClaw 流量卫士 | 49 · 谨慎使用 | ★ 1.1k | 13 天前 | AGPL-3.0 |
| Gemini AI Studio 迁移至 Agent Platform ✓ Google · 官方 | 37 · 不推荐 | ★ 21k | 3 天前 | Apache-2.0 |
FollowSkills 如何评估这个 Skill？
该插件插件在configSchema中明确定义了配置项，并提供了提供者选择与API密钥选项，但关键操作如观察数据注入、自动安装和外部服务依赖没有明确的用户确认或最小权限执行机制。自动安装脚本会执行远程安装脚本并且克隆仓库，存在供应链和外部效果风险，但未发现恶意代码或数据外泄的明确证据。因此信任得分为18，扣分在于缺乏明确的用户确认步骤和隔离机制。
提供了多层次的测试（单元测试、冒烟测试、E2E测试）和详细的安装与故障排除文档，但从静态审查看，关键路径（如自动安装脚本、工作器启动和插件功能）未能在真实环境中完全验证。例如，install.sh脚本的部分内容未完整展示，且测试主要依赖模拟工作器。因此可靠性得分为10，扣分在于静态审查无法完全确认所有路径的稳定性。
该技能具有清晰的目标场景（为OpenClaw网关提供持久记忆和观察流），并提供了详细的配置字段和触发事件（如before_prompt_build、before_agent_start）。但未明确声明能力边界和非适用场景，且核心功能依赖外部服务（如AI提供者，例如gemini）可能在中国大陆不可达。因此适应性得分为7，扣分在于边界和环境适应性证据有限。
文档结构良好，提供了快速安装、手动安装、配置参考、故障排除和测试指南，并包含了安装步骤和配置文件说明。但存在版本不一致（openclaw.plugin.json中版本为13.13.1，而SKILL.md和install.sh中为1.0.0）以及缺少明确的已知限制和变更日志。因此规范性得分为12，扣分在于版本管理和已知限制披露不完整。
根据文档，插件能够完成核心功能（记录观察、注入上下文、流式输出到频道），并提供了示例输出和验证命令。但静态审查无法验证实际执行结果的正确性和直接可用性，且文档偏重安装指导而非功能证明。因此有效性得分为7，扣分在于缺乏可验证的输出样例和比较优势证据。
提供了测试套件（src/index.test.ts）、E2E脚本和文档中的验证步骤，这些是审计材料，但静态审查无法独立复现关键行为。因此可验证性得分为5，扣分在于缺乏第三方执行证据或跨来源的验证。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →