fluid-memory

# Fluid Memory Skill

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 (Auto Learn)

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

## 工具 (Tools)

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

### 1. 植入记忆
当用户明确说「记住xxx」时使用。

**Trigger**: 用户说「记住...」「植入...」「记录...」
**Tool Call**:
```json
{
  "name": "fluid_remember",
  "arguments": {
    "content": "用户说的原话"
  }
}
```

### 2. 唤起记忆
当用户问「我之前说过什么」「记得xxx吗」「我的偏好是什么」时使用。

**Trigger**: 用户问「我喜不喜欢...」「还记得...」「我之前...」
**Tool Call**:
```json
{
  "name": "fluid_recall",
  "arguments": {
    "query": "用户的查询关键词"
  }
}
```

### 3. 遗忘
当用户说「忘记xxx」「不要再提xxx」时使用。

**Tool Call**:
```json
{
  "name": "fluid_forget",
  "arguments": {
    "keyword": "要遗忘的关键词"
  }
}
```

### 4. 状态
查看大脑状态。

**Tool Call**:
```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.  **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...

# 🧠 Fluid Memory

> 基于艾宾浩斯遗忘曲线和访问频率的衰减模型设计的遗忘和归档机制，完全依赖 OpenClaw 原生记忆系统的拟人化流体记忆系统

---

## 特性

- **🤝 原生联动**: 依赖 OpenClaw 原生 memory flush 触发
- **🔄 动态遗忘**: 权重低的记忆会被自动淡化
- **⚡ 语义理解**: 基于 ChromaDB 向量检索
- **💪 强化机制**: 被检索次数越多的记忆，越难被遗忘
- **🔌 OpenClaw Ready**: 开箱即用的 OpenClaw Skill

---

## 工作原理

### 架构

```
用户对话 → Hook 记录到临时文件 → OpenClaw 触发 flush → AI 调用 fluid_increment_summarize → 写入向量库
```

### 触发流程

1. **Hook 记录**: 每次 AI 回复时，对话记录到 `conversation_log.txt`
2. **原生 flush**: 当 OpenClaw 上下文快满时，触发 memory flush
3. **AI 响应**: AI 收到提醒，同步调用 `fluid_increment_summarize`
4. **向量存储**: 对话摘要写入 ChromaDB 向量库

---

## 与 OpenClaw 原生系统互补

| 维度 | 原生 Memory | Fluid Memory |
|------|-------------|--------------|
| **存储格式** | 文本 (Markdown) | 向量 (Embedding) |
| **检索方式** | 关键词匹配 | 语义理解 |
| **遗忘机制** | 永不清除 | 动态权重衰减 |

---

## 安装

### 1. 安装 Skill

```bash
clawhub install fluid-memory
```

### 2. 安装 Hook

```bash
cp -r hooks/fluid-memory-sync ~/.openclaw/hooks/
```

### 3. 配置 OpenClaw

在 `openclaw.json` 中启用 Hook 和调整触发频率：

```json5
{
  "hooks": {
    "internal": {
      "entries": {
        "fluid-memory-sync": { "enabled": true }
      }
    }
  },
  "agents": {
    "defaults": {
      "compaction": {
        "memoryFlush": {
          "enabled": true,
          "softThresholdTokens": 50000
        }
      }
    }
  }
}
```

### 触发时机

> 触发 = contextWindow - reserveTokensFloor (20000) - softThresholdTokens

例如 Minimax 195K：195K - 20K - 50K = 125K（约 64% 满时触发）

---

## 使用

### 手动记录

```bash
python fluid_skill.py remember --content "用户喜欢喝可乐"
python fluid_skill.py recall --query "用户喝什么"
python fluid_skill.py forget --content "青椒肉丝"
python fluid_skill.py status
```

---

## 遗忘机制

### 1. 动态遗忘（检索时过...