适用于AI辅助开发的Node.js项目架构规范，强制要求文件拆分（小于400行）、配置外化、路由模块化和管理面板集成。适用于新建Node.js项目、重构大型单文件代码库，或因文件过大导致AI上下文窗口超载时使用。涵盖H5游戏（Canvas/Phaser/Matter.js）、数据工具（爬虫/抓取工具）、内容平台、监控面板、API服务和SDK库。

通过智能模型路由和上下文管理，将OpenClaw成本降低60%至80%。采用低价优先的升级策略（GPT-4o → Sonnet → Opus），支持零标记心跳机制和预算防护机制，每部署实例每月节省60至105美元

专为OpenClaw代理设计的完整防遗忘系统。通过结构化状态文件、自动会话保存、健康监控和决策追踪，防止会话间上下文丢失。每次启动，代理都能完整保留所有记忆。

Cerebrun 的 MCP 客户端——完整的个人上下文与记忆管理系统。获取用户上下文层（语言、项目、身份、保险库），执行语义搜索，管理知识库，并与 LLM 网关交互。适用场景：(1) 获取用户偏好或上下文，(2) 搜索用户知识库，(3) 管理项目与目标，(4) 存储或查询个人信息，(5) 通过 LLM 网关访问对话历史

联系人记忆与交互日志。跨通话记住来电者，存储个人上下文，并记录每次对话。用于查询联系人、添加备注或回顾交互历史。

处理恩佐分享的带评论的截图，保存到参考库，提取内容，分类，设置提醒，记录模式。当恩佐发送带有“保存此内容”等上下文的图片、分享社交媒体帖子推文或文章的截图，或发送需要记住的想法和框架时使用。

使用Ragas指标（忠实度、答案相关性、上下文精度）评估你的RAG管道质量

通过分区、预压缩检查点和信息生命周期管理来优化 OpenClaw 上下文窗口的使用。当会话上下文接近上限（超过80%）、代理在压缩后出现“记忆丢失”或希望降低长任务的令牌成本和延迟时使用。

面向自主代理的本地优先长期记忆系统，专为OpenClaw构建。从对话中生成维基知识图谱，通过惊喜度评估事件、检测冲突，并整合令牌预算上下文，与OpenClaw内置的memory_search功能相辅相成