OpenClaw代理的连续记忆系统（CMS），以类脑多层记忆架构替代传统的flat MEMORY.md文件，包含语义模式、海马体路由器（INDEX.md）、向量存储（LanceDB + nomic-embed-text）以及用于记忆巩固的自动化非快速眼动/快速眼动睡眠周期。基于神经科学研究（长时程增强、扩散激活、CMS理论），适用于构建持久化代理记忆、提升上下文效率或降低长期运行代理的令牌成本。触发词：脑、记忆系统、CMS、长期记忆、向量存储、睡眠周期、非快速眼动、快速眼动、记忆架构、语义记忆、上下文效率

专为AI代理设计的通用内存架构，提供长期记忆、每日日志、日记、定时任务收件箱、心跳状态追踪、社交平台动态追踪、子代理上下文模式及自适应学习功能，全面保障代理在会话间的身份连续性

OpenClaw 官方 Whisper 上下文技能，通过增量压缩与缓存减少上下文标记，并实现会话间的长期记忆

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

[maasv]

自动化分层内存压缩系统，通过每日→每周→每月→核心压缩机制防止上下文溢出。适用于以下场景：(1) 无需人工干预的长期内存管理，(2) 基于注意力优化分层的高效标记加载，(3) 防止历史累积导致会话膨胀，(4) 通过定时任务自动汇总内存，(5) 从扁平化每日文件迁移至结构化内存。在涉及内存架构设计、上下文溢出问题或配置持久化代理内存时自动启用。

用于大语言模型对话的持久化内存系统，包括短期记忆、长期记忆和基于实体的记忆 适用场景：对话记忆、记忆保存、持久化内存、长期记忆、聊天历史

内存是智能代理的基石，没有它，每次交互都需从零开始。本技能涵盖代理内存的架构：短期记忆（上下文窗口）和长期记忆（向量数据库）

设计短期、长期和基于图的内存架构