Openclaw Auto Dream

核心用法

OpenClaw Auto-Dream 是一个认知记忆架构系统，专为 OpenClaw 代理设计，通过模拟人类睡眠中的记忆巩固机制，实现自动化知识管理。

自动化记忆周期：系统每日凌晨4点（用户时区）自动执行"梦境"周期，扫描当日日志，提取关键决策、事实、进展、教训与待办事项，整合至结构化长期记忆库。

核心文件架构：

• MEMORY.md：结构化长期知识库
• memory/procedures.md：工作流偏好与工具使用习惯
• memory/episodes/*.md：项目叙事档案
• memory/index.json：元数据索引（v3.0 Schema）
• memory/dream-log.md：梦境报告日志
• memory/archive.md：历史归档摘要

智能通知机制：每次梦境后推送包含前后对比、累计增长（如"142→145条，+2.1%"）、连续梦境计数、里程碑庆祝、陈旧线程提醒的增值报告，杜绝"无内容"空通知。

显著优点

1. 零干预自动化：一次配置后全程自主运行，无需用户手动整理碎片化信息
2. 渐进式知识复利：累积条目与增长率可视化，强化用户黏性与使用习惯
3. 智能防遗忘设计：14天陈旧线程检测、历史记忆唤醒，主动 resurfacing 有价值上下文
4. 安全优先架构：多重备份机制（.bak文件）、永久保护标记（⚠️ PERMANENT）、仅标记不删除日志
5. 开箱即用体验：首次梦境即时执行，新老用户均可立即看到整合效果

潜在局限

1. 依赖外部服务：核心功能依赖 MyClaw.ai 托管服务，存在供应商锁定风险
2. 时区配置敏感：cron任务需准确时区，跨时区旅行或夏令时切换可能异常
3. 存储膨胀：仅追加不删除的策略长期可能导致索引膨胀，需手动归档维护
4. LCM插件依赖：工作记忆层为可选插件，未安装时功能降级为纯长期存储
5. 英文生态为主：模板文件与Schema为英文，多语言场景需用户自行本地化

适合人群

• 高频使用OpenClaw代理的知识工作者（开发者、研究员、项目经理）
• 需要跨会话保持上下文的长期项目协作者
• 追求"第二大脑"自动化建设的效率工具爱好者
• 愿意投入初期配置以换取长期自动化回报的用户

常规风险

| 风险类型 | 描述 | 缓解措施 |

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

| 数据完整性 | 梦境中断可能导致索引损坏 | 每次梦境前自动备份index.json |

| 隐私泄露 | 记忆文件可能包含敏感对话 | 遵循用户现有MEMORY.md隐私约定 |

| 误合并 | 相似条目可能被错误合并 | 30%变更阈值触发人工确认备份 |

| 服务中断 | MyClaw.ai不可用 | 本地文件格式开放，支持迁移导出 |

| 通知疲劳 | 每日推送可能过度打扰 | 周日摘要模式，无内容时改为记忆唤醒而非静默 |

核心用法

OpenClaw Auto-Dream 是一套为 Agent 设计的认知记忆架构系统，模拟人类睡眠时的记忆巩固机制。系统通过预设的定时任务（默认每日凌晨 4 点）自动扫描过去 7 天的日常日志，提取关键决策、事实、进展、教训和待办事项，并将其整合到结构化的长期记忆中。

首次启动：安装后立即触发"首梦"（First Dream），扫描现有日志并生成前后对比报告，让用户直观感受记忆整合效果。

日常运行：每个梦境周期包含五个阶段——智能跳过与回忆（无新日志时 surfacing 旧记忆）、收集（读取未整合日志）、巩固（对比 MEMORY.md 并更新）、陈旧线程检测（提醒超过 14 天的待办）、生成报告与通知（包含成长指标和里程碑庆祝）。

手动触发：支持"立即整合"、"生成记忆面板"、"导出记忆"等命令，用户可随时主动管理记忆。

显著优点

纯文档架构，极致安全：完全由 Markdown 文档组成，无可执行代码，零第三方依赖，零网络调用，从根本上消除传统代码注入和供应链攻击风险。

完善的防护机制：内置"永不删除原始日志""大变更前自动备份""保留 PERMANENT 标记条目"等安全规则，有效防止数据丢失；所有文件操作限定于用户工作区内。

智能通知设计：每次通知都强制交付价值——无空消息、展示累计成长数据（如"142→145 条目，+2.1%"）、surface 被遗忘的旧记忆、庆祝里程碑 streak，培养用户习惯与系统黏性。

渐进式记忆进化：支持 v1→v2→v3→v4 的完整迁移路径，具备跨实例迁移协议，长期用户可平滑升级。

隐私优先：数据完全本地化存储，无云端同步或外泄风险，符合 GDPR/CCPA 要求。

潜在缺点与局限性

功能依赖提示词质量：所有行为通过 LLM 提示词实现，实际效果取决于底层模型能力，复杂语义理解可能存在偏差。

无跨设备同步：纯本地架构虽保障隐私，但也意味着无法自动在多设备间同步记忆，需手动导出/迁移。

存储增长无上限：episodes/*.md 为仅追加模式，长期运行可能产生大量文件，需用户定期归档或清理。

可视化能力有限：虽支持生成 dashboard.html，但相比专业 BI 工具，图表和交互能力较为基础。

需要配套基础设施：推荐安装 LCM（Lossless Claw Memory）插件以获得完整体验，否则部分功能受限。

适合的目标群体

知识工作者：研究人员、作家、顾问、产品经理等需要长期追踪决策脉络和项目演进的专业人士。

重度 OpenClaw 用户：每日与 Agent 产生大量交互日志，希望从碎片化对话中萃取结构化知识的用户。

隐私敏感型用户：对数据主权有严格要求，拒绝云端记忆服务的个人或团队。

习惯养成者：希望通过 streak 计数和里程碑反馈建立知识管理习惯的自律型用户。

技术爱好者：对认知架构、第二大脑、数字园艺等概念感兴趣，愿意投入时间维护个人知识库的极客用户。

使用风险

性能风险：梦境周期默认设置 600 秒超时，若日志量极大可能导致超时中断；建议在日志激增时手动触发分段整合。

依赖项风险：虽本 Skill 零依赖，但推荐插件 LCM 若未安装，部分增强功能不可用，可能影响用户体验一致性。

数据累积风险：长期运行的实例可能面临存储膨胀，需关注 memory/archive.md 的自动归档效果，必要时手动清理 episodes 目录。

模型漂移风险：提示词依赖特定 LLM 行为，底层模型更新可能导致整合质量波动，建议关注版本更新日志。

备份依赖用户自律：虽有自动备份机制，但跨设备灾备仍需用户主动导出记忆文件，缺乏自动云备份选项。