phoenixclaw

核心功能

PhoenixClaw 是一款零标签被动日记系统，通过定时任务（Cron）或手动触发，自动扫描用户的日常对话记录，利用语义理解生成 Markdown 格式的结构化日记。其核心能力包括：

• 自动内容萃取：从会话日志中识别关键决策、情绪转折、里程碑事件及共享媒体（图片、文件）
• 智能照片处理：提取图像元数据，生成描述性替代文本，按场景分类（食物、自拍、截图等）并关联到对应时刻
• 多插件架构：支持 Ledger（财务追踪）、自定义分析等插件在指定钩子点注入内容
• 长期档案构建：自动更新时间线（timeline.md）、成长地图（growth-map.md）和用户画像（profile.md）

显著优点

1. 完全被动运行：用户无需主动标记或输入，系统每晚 22:00 自动执行，降低使用摩擦
2. 深度上下文整合：不仅依赖 memory_get 文本摘要，更强制扫描原始会话日志以获取图片和完整时间戳，避免信息丢失
3. Obsidian/PKM 原生兼容：输出采用 Markdown + YAML 前置元数据，适配主流知识管理工具
4. 可扩展的插件协议：标准化的钩子系统（pre-analysis → post-moment-analysis → journal-generation）允许第三方功能无缝集成

潜在局限与风险

| 风险类型 | 具体说明 |

|---------|---------|

| **隐私敏感** | 需持续访问完整会话日志，包含潜在敏感图像和财务信息 |

| **时区边界问题** | 跨午夜活动需特殊处理时间戳范围，配置不当会导致内容遗漏 |

| **依赖本地文件系统** | 图片提取、资产归档依赖特定目录结构（`~/.openclaw/sessions`、`assets/YYYY-MM-DD/`） |

| **插件执行刚性** | 9步工作流必须完整执行，跳过任何步骤会导致财务数据或图片缺失 |

适合人群

• 追求低维护成本数字笔记系统的知识工作者
• 使用 Obsidian/Logseq 等工具进行人生日志（lifelogging）的长期主义者
• 需要自动化财务+生活双轨记录的用户（配合 Ledger 插件）

常规风险提醒

• 数据留存：会话日志可能包含敏感信息，需确认本地存储的加密状态
• 图像权限：自动处理的图片可能包含他人面部或机密文档，建议配合手动审核流程
• Cron 故障：自动化依赖本地定时任务，系统休眠或时区变更可能导致中断

核心用法

PhoenixClaw 是一款被动式智能日记生成 Skill，通过每日定时任务（Cron 22:00）自动扫描用户会话日志，提取有价值的「日记时刻」——关键决策、情绪波动、里程碑事件及共享媒体——并生成结构化的 Markdown 日记。

用户可通过自然语言主动触发：

• "Show me my journal for today" — 查看当日日记
• "Analyze my mood patterns" — 情绪模式分析
• "Generate weekly summary" — 周/月度汇总
• "Regenerate my journal" — 重新生成当日记录

执行时遵循严格的 9 步完整工作流：用户配置检查 → 上下文检索（含 session 日志全量扫描与图片提取）→ 时刻识别 → 模式识别 → 插件执行 → 日记生成 → 时间线整合 → 成长图谱更新 → 用户画像演化。

显著优点

| 维度 | 优势 |

|:---|:---|

| **零打扰设计** | 无需手动记录，AI 自动在晚间归纳当日 |

| **多源数据融合** | 整合 memory、session logs、图片、Ledger 财务数据 |

| **语义智能** | 基于语义理解识别「日记价值时刻」，非简单时间戳罗列 |

| **插件生态** | 支持 5 个 hook 点的扩展机制（Ledger、Vision Analysis 等） |

| **PKM 兼容** | 原生支持 Obsidian 格式，生成 timeline/growth-map/profile 长期档案 |

| **视觉友好** | 内置模板系统，图片自动分类嵌入、财务截图专属路由 |

潜在局限

1. 依赖会话日志完整性：若 session logs 未持久化或跨午夜分割，可能遗漏深夜活动
2. 图片处理开销：Vision Analysis 生成 alt-text 需额外计算资源
3. 时区敏感：需正确配置 TARGET_TZ，否则 UTC/本地日期错位导致数据遗漏
4. 被动模式认知负荷：用户可能「忘记」此功能存在，长期不主动查阅则价值沉淀
5. 隐私边界模糊：扫描全量会话意味着可能捕获用户未意图记录的私密对话片段

适合人群

• 自我追踪爱好者：希望无痛建立日记习惯，依赖系统自动归档
• 知识工作者：需要回顾决策上下文、追踪项目进展与情绪波动
• Obsidian/Notion 用户：已有 PKM 工作流，希望 AI 辅助内容投喂
• 财务/健康记录者：配合 Ledger 等插件实现消费自动记账、饮食照片归档

常规风险

| 风险类型 | 说明 | 缓解措施 |

|:---|:---|:---|

| 数据本地性幻觉 | 虽无外发，但 session logs 本身可能含敏感信息 | 定期清理旧日志、配置保留策略 |

| 过度归档焦虑 | 自动记录可能让用户产生「被监视」感 | 明确配置排除规则（如特定关键词过滤） |

| 模式误读 | AI 推断的情绪/成长机会可能与真实意图偏差 | 人工复核 growth-map，保留编辑权限 |

| 插件链故障 | 某插件崩溃可能导致整流程中断 | 各 hook 点实现隔离执行与错误降级 |

---
技术备注：安全认证 S 级，无外部依赖，纯本地 Node.js 运行