核心用法
Brain 是一款面向 AI 助手的结构化知识管理技能，模拟个人「第二大脑」系统。它通过标准化模板将用户提及的人物、地点、餐厅、游戏、设备、事件、书籍/影视、创意想法及组织机构等信息持久化存储于 ~/.openclaw/workspace/brain/ 目录下。
触发条件明确：当用户说出 "remember"、"note that"、"met this person"、"visited"、"what do I know about" 等关键词，或询问/分享任何命名实体时激活。系统优先于日常日志（daily logs），确保实体信息不被淹没在会话上下文中。
核心操作遵循严格协议：
- 创建前必搜索：使用
qmd search查重，避免重复条目 - 歧义消解：遇到同名实体时列出所有候选供用户确认（如两个 John Smith）
- 精准更新：仅修改相关字段，自动刷新
last_updated时间戳 - 语义检索：通过
qmd query实现自然语言问答式搜索 - 关系链接：采用
[[category/slug]]语法建立实体间的双向关联
八类分类目录（people/places/games/tech/events/media/ideas/orgs）配有专用 YAML 模板，确保数据一致性。
显著优点
1. 实体中心化设计：将碎片信息从会话流中提取，形成可累积的个人知识资产
2. 智能去重与歧义处理：通过搜索+确认机制避免数据混乱，支持同名不同人的精细化管理
3. 语义搜索能力：超越关键词匹配，支持 "那个在 GeeksOnABeach 认识的 Agentic 程序员" 类模糊查询
4. 关系网络可视化：Wikilink 语法让隐藏关联显性化，便于发现人脉、地点、事件间的联系
5. 模板标准化：YAML frontmatter + Markdown 正文降低认知负担，便于后续自动化分析
潜在缺点与局限性
- 冷启动依赖：初期无数据时检索价值有限，需用户持续「喂养」
- 命名一致性挑战：用户可能用昵称、全名、别名指代同一人，依赖搜索算法容错
- 分类边界模糊：某些实体可能跨类（如「某科技公司」既是 org 也是 place），需人工判断
- 文件系统开销：大量 Markdown 文件在小规模场景下可能显得笨重
- 无自动同步机制：未提及其他设备或云端备份方案，存在单点风险
适合人群
- 社交频繁、需要记忆大量弱关系人脉的商务人士或社群运营者
- 旅行/美食爱好者，希望系统记录餐厅、地标体验与偏好
- 游戏玩家、科技产品用户，想追踪通关进度、设备参数与使用心得
- 内容创作者，管理灵感、书籍、播客等创意素材库
- 任何希望 AI 助手从「会话即焚」升级为「记忆永生」的深度用户
常规风险
- 隐私泄露：本地存储虽减少云端暴露，但文件系统权限管理不当仍可能导致敏感人际关系数据外泄
- 数据完整性：误操作（如直接覆盖文件）可能丢失历史版本，缺乏内置版本控制
- 搜索幻觉：语义检索可能返回相关但非精确匹配的结果，需用户二次确认
- 过度结构化：严格模板可能抑制自由记录，与某些用户的随性习惯冲突