返回顶部
m

memory-research记忆研究

Research an external subject using web search, synthesize findings into a structured Basic Memory entity. Use when asked to research a company, person, technology, or topic — or when a bare name or URL is provided that implies a research request.

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 0.1.0
安全检测
已通过
205
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

memory-research

记忆研究

研究外部主题,综合发现,并在用户批准后创建结构化的基本记忆实体。

何时使用

显式触发词:

  • - 研究 [主题]
  • 查找 [主题]
  • 你知道关于 [主题] 的什么信息?
  • 评估 [主题]

隐式触发词(也会激活此技能):

  • - 单纯名称:Terraform
  • URL:https://example.com
  • 带上下文的名称:Acme Corp — 在会议上见过他们

工作流程

第一步:网络研究

跨多个来源搜索最新信息。目标进行3-5次搜索以构建全面图景:

[主题名称] 网站
[主题名称] 概述
[主题名称] 新闻 [当前年份]
[主题名称] [相关领域关键词]

按实体类型收集的信息:

实体类型关键信息
组织业务内容、产品/服务、阶段(初创/成长/上市)、融资、领导层、总部、员工数量、重要合作伙伴或合同
人物
当前职位、所属组织、背景、专长、重要作品、公众形象 |
| 技术 | 功能、维护方、成熟度、生态系统、替代方案、采用情况 |
| 主题/领域 | 定义、当前状态、关键参与者、趋势、与用户背景的相关性 |

第二步:检查现有知识

在提议创建新实体前,先搜索基本记忆:

python
search_notes(query=Acme Corp)
search_notes(query=acme)

尝试名称变体——全称、缩写、首字母缩略词、域名。

如果实体已存在:

  • - 报告你在基本记忆中的发现,同时附上网络研究结果
  • 提供用新信息更新现有笔记的选项
  • 使用 edit_note 追加新观察或更新过时信息

如果实体不存在,则进入评估阶段。

第三步:评估与总结

以结构化摘要形式呈现发现。按章节组织所有相关信息:

markdown

[主题名称]

类型: [组织 / 人物 / 技术 / 主题]

摘要: [2-4句话:这是什么、为何重要、关键区分性事实]

关键细节:

  • - [按实体类型相关的内容组织]
  • [组织的阶段、融资、领导层]
  • [人物的职位、专长、隶属关系]
  • [技术的成熟度、生态系统、替代方案]

相关性: [这对用户为何重要——与其工作、领域或兴趣的关联。
若无明显关联:未识别到具体关联。]

来源:

  • - [所查阅关键来源的URL]

评估指南

使用模糊措辞。 网络研究是快照,并非绝对真相:

  • - 似乎是、基于公开信息、估计
  • 截至 [日期]、根据 [来源]
  • 除非引用一手来源,否则切勿将融资金额、员工数量或收入表述为精确数字

不要编造。 如果信息不可用,如实说明:

  • - 领导层信息未公开
  • 融资细节未披露

让用户定义相关性。 不要强加固定的评估框架。相反,突出事实,让用户自行得出结论。如果用户有特定的评估标准(战略契合度、购买/合作/竞争等),他们会告诉你——在被要求时应用。

第四步:提议创建实体

呈现摘要后,请求批准:

为 [主题] 创建基本记忆实体?
位置:[建议文件夹]/[实体名称].md
类型:[实体类型]

[是 / 否 / 修改]

如果用户在其请求中提供了上下文(在会议上见过他们),将该上下文包含在提议的实体中。

第五步:创建实体

批准后,创建结构化笔记。根据实体类型调整模板:

组织

python
write_note(
title=Acme Corp,
directory=organizations,
note_type=organization,
tags=[organization, relevant-tags],
content=# Acme Corp

概述

[研究得出的2-3句描述]

产品与服务

  • - [研究中发现的关键产品]

背景

阶段: [初创 / 成长 / 上市] 总部: [地点] 员工: [估计值,模糊措辞] 领导层: [如找到的关键人物] 成立时间: [如找到的年份]

观察

  • - [相关性] 该实体在用户背景中为何重要
  • [来源] 于YYYY-MM-DD研究
  • [研究结果中的其他观察]

关联

  • - [链接到知识图谱中已有的相关实体]
)

人物

python
write_note(
title=张三,
directory=people,
note_type=person,
tags=[person, relevant-tags],
content=# 张三

概述

[当前职位和所属组织。简要背景。]

背景

职位: [在组织中的头衔] 专长: [关键领域] 重要成就: [如找到的出版物、演讲、项目]

观察

  • - [职位] 在组织的头衔
  • [专长] 关键技术或领域专长
  • [来源] 于YYYY-MM-DD研究

关联

  • - works_at [[组织]]
)

技术

python
write_note(
title=技术名称,
directory=concepts,
note_type=concept,
tags=[concept, technology, relevant-tags],
content=# 技术名称

概述

[它是什么以及解决什么问题]

关键细节

维护方: [组织或社区] 成熟度: [实验性 / 稳定 / 成熟] 许可协议: [如适用] 替代方案: [可比较的工具或方法]

观察

  • - [定义] 该技术一句话说明功能
  • [成熟度] 当前状态和采用水平
  • [来源] 于YYYY-MM-DD研究

关联

  • - [链接到知识图谱中相关的概念、工具或项目]
)

可自由调整这些模板。关键要素包括:note_type/tags参数、概述、结构化细节、带分类的观察以及关联。

第六步:存储来源上下文

如果用户在其请求中提供了上下文,将其捕获到实体中:

python

用户说:Acme Corp — 上周在会议上看了他们的演示


edit_note(
identifier=Acme Corp,
operation=append,
section=Observations,
content=- [context] 在会议上看了他们的演示,2026年2月17日那周
)

此上下文通常是最有价值的部分——它是用户与实体的关系,网络研究无法提供。

指南

  • - 始终进行网络搜索。 不要仅依赖训练数据。研究应反映当前、可验证的信息。
  • 先搜索基本记忆。 在创建新实体前检查已有实体。更新而非重复。
  • 对不确定信息使用模糊措辞。 对估计值、未经验证的主张和推断的细节使用限定词。
  • 存储来源URL。 在观察或来源部分包含你查阅的URL。这使用户能够验证和深入探究。
  • 创建前获取批准。 呈现你的发现,让用户决定是否创建实体以及包含什么内容。
  • 捕获用户上下文。 如果用户告诉你他们研究的原因(在会议上遇到、评估供应商等),该上下文应属于实体。
  • 不要过度研究。 3-5次网络搜索通常足够。目标是创建有用的知识图谱条目,而非详尽报告。
  • 链接到现有知识。 将新实体与知识图谱中已有的内容关联起来。连接产生复合价值。

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 memory-research-1776122657 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 memory-research-1776122657 技能

通过命令行安装

skillhub install memory-research-1776122657

下载

⬇ 下载 memory-research v0.1.0(免费)

文件大小: 3.73 KB | 发布时间: 2026-4-15 13:24

v0.1.0 最新 2026-4-15 13:24
Initial release of memory-research skill:

- Enables structured web research of companies, people, technologies, or topics, triggered by explicit or implicit requests.
- Synthesizes research into “Basic Memory” entities with summaries, structured key details, and relevance.
- Checks for existing knowledge base entries before proposing new ones; offers updates for outdated notes.
- Uses concise, hedged language and always cites sources; stores user-provided context with each entity.
- Asks for user approval before creating or updating an entity in the knowledge graph.

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部