# 恢复到之前的版本
cp skills/i-am/ChangeLog.mdUSER-20260313-1730.md ~/.openclaw/workspace/USER.md

i-am Skill v4.0.1 - AI 指令文档

给 OpenClaw AI 的指令：按照以下流程引导用户完成人格分析

---

🎯 触发条件

场景 1: 首次安装（自动触发）

• - 用户安装此 skill 后，AI 主动询问配置

场景 2: 用户主动触发

• - 运行 i-am 分析、分析我的人格
• 人格特质、USER.md 更新
• 扎根理论

---

📁 文件结构

i-am/
├── SKILL.md # 本文件（AI 指令）
├── clawhub.yaml # ClawHub 配置
├── ChangeLog.md # 人格特质更新日志（配置阶段创建）
└── temp/ # 临时目录（运行时自动创建）
├── USER.md # 预览文件（待用户审核）
└── last_analysis.json # 时间戳

说明：

• - temp/ 目录和文件在首次运行时自动创建
• ChangeLog.md 在配置阶段自动创建（记录每次更新）

---

🔄 完整工作流程（AI 执行指南）

阶段 1: 安装配置（首次使用）

触发时机：用户安装 skill 后，AI 主动触发

AI 检测安装状态

检查清单：

1. 1. Cron 任务是否已配置（~/.openclaw/cron/cron-tasks.json 包含 i-am 任务）
2. 时间戳文件是否存在（temp/last_analysis.json）

决策：

• - 如果都已存在 → AI 回复：✅ i-am 已配置完成，回复运行分析开始分析
• 如果有缺失 → 进入配置流程

AI 主动询问配置（首次安装）

AI 回复模板：

🧠 i-am Skill 配置向导

请选择自动化模式：

1️⃣ 定时模式（推荐）
- 每天自动分析两次（凌晨 2:30 和下午 2:30）
- 使用 OpenClaw 定时任务系统
- 一般不需要手动操作

2️⃣ 手动模式
- 需要时手动运行分析
- 无后台定时任务
- 手动控制

请回复数字 1 或 2 选择（默认 1）：

AI 根据用户回复执行

用户回复 1 或 定时：

1. 1. AI 执行：编辑 cron-tasks.json，添加两个定时任务（代码见下方）
2. AI 回复：✅ 定时模式已配置，每天 2:30 自动运行

用户回复 2 或 手动：

1. 1. AI 回复：✅ 手动模式已配置，需要时告诉我运行 i-am 分析

AI 创建必要文件夹和 ChangeLog.md

执行代码：

python
from pathlib import Path
from datetime import datetime

skill_root = Path.home() / .openclaw / workspace / skills / i-am
usermdpath = Path.home() / .openclaw / workspace / USER.md

步骤 1: 创建 temp 文件夹（用于存储临时文件）

tempdir = skillroot / temp tempdir.mkdir(parents=True, existok=True) print(f✅ 已创建文件夹：{temp_dir})

步骤 2: 创建 ChangeLog.md（人格特质更新日志）

changelogfile = skillroot / ChangeLog.md if not changelog_file.exists(): header = # i-am Skill ChangeLog

人格特质更新日志 | 自动生成

---

更新记录

with open(changelog_file, w, encoding=utf-8) as f:
f.write(header)
print(f✅ 已创建 ChangeLog.md: {changelog_file})
else:
print(fℹ️ ChangeLog.md 已存在)

文件夹说明：

文件夹	用途	创建时机
ChangeLog.md	备份 USER.md 历史版本	首次安装时创建
temp/

存储临时文件（预览、时间戳） | 首次安装时创建 |

文件示例：

i-am/
├── SKILL.md
├── clawhub.yaml
├── ChangeLog.md
│ ├── USER-20260313-1950-initial.md ← 初始备份
│ ├── USER-20260313-2030.md ← 第一次分析后备份
│ └── USER-20260314-0230.md ← 定时任务备份
└── temp/
├── USER.md ← 预览文件（用户未确认）
└── last_analysis.json ← 时间戳

AI 确认安装完成

AI 回复模板：

✅ i-am Skill 安装完成！

📋 配置摘要:

• - 模式：定时模式 / 手动模式
• Cron 任务：已配置 / 未配置
• 下次运行：2026-03-14 02:30 / 手动触发
• 初始备份：ChangeLog.mdUSER-20260313-1800-initial.md

📊 随时查看人格特质：查看当前对话的 USER.md 文件

需要现在运行一次分析吗？回复是或否

---

阶段 2: 运行分析（定时/手动触发）

步骤 1: AI 加载用户语料

AI 指引：

python
import json
from pathlib import Path
from datetime import datetime, timedelta

sessions_path = Path.home() / .openclaw / agents / main / sessions
skill_root = Path.home() / .openclaw / workspace / skills / i-am
lastanalysisfile = skillroot / temp / lastanalysis.json

读取上次分析时间

if lastanalysisfile.exists(): with open(lastanalysisfile, r, encoding=utf-8) as f: last_time = datetime.fromisoformat(json.load(f)[timestamp]) else: last_time = datetime.now() - timedelta(hours=24) # 首次运行加载 24 小时

扫描 sessions 提取新消息

messages = [] for sessionfile in sorted(sessionspath.glob(*.jsonl), key=lambda x: x.stat().st_mtime, reverse=True): with open(session_file, r, encoding=utf-8) as f: for line in f: msg = json.loads(line) if msg.get(type) != message or msg.get(message, {}).get(role) != user: continue

msg_time = datetime.fromisoformat(msg[timestamp].replace(Z, +00:00)).replace(tzinfo=None)
if msgtime <= lasttime:
continue

# 提取文本
text = .join([item.get(text, ) for item in msg[message][content] if isinstance(item, dict) and item.get(type) == text]).strip()

# AI 自主判断：过滤系统消息
if not text or text.startswith([cron:) or text.startswith(Read HEARTBEAT) or text.startswith(A scheduled):
continue

# AI 自主发现：Conversation info 中包含真实用户发言
# 示例格式：
# Conversation info (untrusted metadata):
# json
# {sender: UserName, timestamp: ...}
#
# [message_id: xxx] UserName：真实消息内容
if Conversation info in text:
# AI 需要：
# 1. 识别发送者（UserName）
# 2. 编写正则表达式提取真实内容
# 3. 验证发送者是当前用户
# 4. 提取消息内容（长度>10 字）
import re
# 示例正则（AI 可根据实际格式调整）：
match = re.search(r\[message_id:[^\]]+\]\s*\n?([^:]+):(.+?)(?=\n\n|\Z), text, re.DOTALL)
if match:
sender = match.group(1).strip()
content = match.group(2).strip()
# AI 自主判断：发送者是否匹配当前用户
if sender == currentusername and len(content) > 10:
text = content
else:
continue
else:
# AI 应尝试其他正则或格式
continue

messages.append({text: text, timestamp: msg_time})

初次运行不限制消息数量（充分利用历史对话建立人格模型）

后续运行可限制消息数量（避免单次分析过多）

如果消息过多，AI 可自主决定是否设置上限

初次运行不限制，尽可能加载历史对话