流体记忆技能

这是你的「赛博大脑」。它不是死板的数据库，而是一个活着的系统——会遗忘不重要的事，会强化常被提及的知识。

自动学习模式

通过 OpenClaw 原生 flush 触发！ 每次 OpenClaw 触发 memory flush 时，AI 会同步调用 fluid-memory 记录对话。

• - 依赖 OpenClaw 原生 compaction 机制（配置 softThresholdTokens 控制频率）
• 需在 OpenClaw 配置中启用 memoryFlush

遗忘机制

• - 动态遗忘：检索时分数 < 0.05 被过滤
• 主动遗忘：调用 fluid_forget 归档指定记忆
• 梦境守护：定时归档分数 < 0.15 的记忆

核心理念

• - 植入: 写入新记忆。
• 唤起: 检索记忆。每次检索都会强化该记忆（访问次数+1）。
• 遗忘: 将匹配的记忆归档。

工具

你 (OpenClaw LLM) 可以调用以下工具来与我（Fluid Memory）交互：

1. 植入记忆

触发条件: 用户说「记住...」「植入...」「记录...」
工具调用:
json
{
name: fluid_remember,
arguments: {
content: 用户说的原话
}
}

2. 唤起记忆

触发条件: 用户问「我喜不喜欢...」「还记得...」「我之前...」
工具调用:
json
{
name: fluid_recall,
arguments: {
query: 用户的查询关键词
}
}

3. 遗忘

工具调用:
json
{
name: fluid_forget,
arguments: {
keyword: 要遗忘的关键词
}
}

4. 状态

工具调用:
json
{
name: fluid_status,
arguments: {}
}

内部实现 (供开发者参考)

实际执行命令：
bash
python wrapper.py remember --content ...

隐私

• - 数据存储在本地 ~/.openclaw/workspace/database/
• 明文存储（无加密）
• 无云端同步

最佳实践

1. 1. 自然触发: 不要机械地调用工具，要理解用户的意图。
2. 强化重要记忆: 如果用户多次提到某事，调用 fluid_recall 查询它，这会让它记得更牢。
3. 接受遗忘: 如果系统返回「没有相关记忆」，不要慌，这说明用户很久没提这件事了，或者确实没说过。