Openclaw Auto Dream

核心用法

OpenClaw Auto-Dream 是一款专为 OpenClaw 智能体设计的认知记忆架构系统，模拟人类睡眠记忆巩固机制。系统通过周期性"梦境"循环（默认每日凌晨4点），自动扫描日常日志、提取关键决策与知识，整合为结构化长期记忆，并向用户推送摘要报告。

主要工作流程：

• 首次梦境：安装后立即执行全量历史扫描，生成前后对比报告
• 日常循环：收集未整合日志 → 比对现有记忆 → 去重更新 → 标记已处理 → 生成报告
• 智能触发：支持手动触发（"Dream now"）、定时任务（cron）、或查询仪表板

文件架构：采用分层存储设计——MEMORY.md 存储核心知识、memory/procedures.md 记录工作流偏好、memory/episodes/ 存放项目叙事、memory/index.json 维护元数据索引，配合 dream-log.md 形成完整的记忆审计链。

显著优点

1. 零手动维护：全自动 cron 调度，用户无需干预即可获得每日记忆摘要
2. 认知增强设计：借鉴神经科学"记忆重放"原理， stale thread 检测（>14天）主动唤醒被遗忘的上下文
3. 游戏化反馈：连续梦境计数、里程碑庆祝（7天 streak、100条目等）、增长百分比可视化，培养用户粘性
4. 安全优先：多重防护机制——永不删除原始日志、30%变更阈值自动备份、⚠️ PERMANENT 标记保护、隐私范围严格限定于用户自有文件
5. 渐进式索引：v3.0 JSON Schema 支持高效检索，每次梦境重建索引确保一致性

潜在缺点与局限性

• 托管依赖：功能实现依赖 MyClaw.ai 云服务（24/7 服务器），本地部署需额外配置
• LCM 插件可选性：工作记忆层（Working Memory）需手动安装插件 lossless-claw，非开箱即用
• 固定调度窗口：默认 cron 表达式为 0 4 * * *，无内置智能动态调度（如根据用户活跃度调整）
• 语言处理边界：依赖用户工作区设置确定输出语言，多语言混合日志场景可能产生不一致
• 存储膨胀风险：episodes/*.md 仅追加不可修改，长期运行需配合 archive.md 手动干预

适合人群

• 高频 OpenClaw 用户：每日产生大量交互日志，需要系统性知识管理的重度用户
• 长期项目追踪者：跨周/月的复杂项目需要上下文连续性保障的开发者、研究者
• 记忆辅助需求者：希望减少"我之前做过什么"查询摩擦、依赖智能体主动提醒的效率导向用户
• 数据主权意识用户：偏好本地文件存储（Markdown/JSON）而非云端 SaaS 记忆方案的隐私敏感人群

常规风险

| 风险类型 | 具体描述 | 缓解措施 |

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

| 数据完整性 | 索引重建失败可能导致记忆检索失效 | 每次梦境前自动保存 `index.json.bak` |

| 过度通知 | 低价值梦境可能产生通知疲劳 | 智能跳过机制：7天内无新日志时推送历史记忆回顾而非空报告 |

| 配置漂移 | cron 时区设置错误导致执行时间异常 | 明确使用 `<user timezone>` 占位符，需用户确认 |

| 隐私泄露 | 整合过程可能跨会话暴露敏感上下文 | 严格限定作用域为 `memory/` 目录及 `MEMORY.md`，不读取外部文件 |

| 版本兼容性 | 跨实例迁移时 schema 变更可能导致数据丢失 | 提供 v1→v2→v3 完整迁移指南，支持 JSON 导出备用 |

生态定位

作为 OpenClaw 生态的"基础设施层"技能，Auto-Dream 与 LCM（工作记忆）、各类工具技能形成互补：上层技能产生日志，本技能负责沉淀；下游技能（如仪表板生成）消费结构化记忆。这种架构设计体现了"分离关注点"的工程哲学，但也增加了初次配置的复杂度。

核心用法

OpenClaw Auto-Dream 是一套认知记忆架构系统，专为 OpenClaw Agent 设计周期性"梦境"循环——每日自动扫描未归档的日志记录，提取关键决策、事实、进展与教训，并整合至结构化长期记忆库。用户可通过自然语言指令触发（如"auto memory"、"dream"、"memory consolidation"），系统即执行完整的四步流程：智能跳过检测、日志收集、内容整合、生成报告与推送通知。

首次安装后，系统会立即执行"First Dream"——全面扫描现有日志并生成前后对比报告，让用户直观感受知识从散乱到有序的转变。日常运行则依托 Cron 定时任务（默认每日凌晨4点），在隔离会话中自动完成记忆归档。

显著优点

纯文档零代码架构：Skill 完全由 Markdown 文档和 HTML 模板构成，无可执行脚本，从根本上杜绝传统代码注入风险。

本地化隐私保护：所有数据读写严格限定于用户工作区的 MEMORY.md 及 memory/ 目录，不涉及任何外部数据传输，符合 GDPR 数据最小化原则。

智能价值感知：每份通知都承载实际价值——成长指标可视化（条目增长率）、记忆 streak 计数、里程碑庆祝、以及14天以上陈旧线程的智能提醒，让用户持续感知系统进化。

多重安全兜底：自动备份机制（变更超30%时创建 .bak）、索引版本保护、明确的"永不删除原始日志"与"永不移除 PERMANENT 标记"规则，确保数据可控可回滚。

潜在缺点与局限性

依赖人工触发深度整合：日常 Cron 任务使用精简版提示词（dream-prompt-lite.md），完整深度整合（dream-prompt.md）需用户手动发起，可能遗漏复杂关联知识的深层挖掘。

T3 来源可信度限制：维护者为个人开发者（MyClaw.ai），非顶级开源基金会或企业背书，长期维护稳定性与供应链安全需用户自行评估。

功能边界清晰但有限：专注于文本日志的记忆整合，不支持多模态内容（图片、音频记忆），也不具备跨实例自动同步能力（迁移需手动执行协议）。

通知疲劳风险：尽管设计强调"每通知必有价值"，但对于日志量极少或高度规律的用户，每日推送可能逐渐失去新鲜感。

适合的目标群体

• 知识工作者：需要追踪项目决策脉络、沉淀经验教训的咨询、研发、产品人员
• 长期内容创作者：希望自动归档写作素材、灵感碎片与迭代思路的作家、博主
• 个人知识管理爱好者：践行 Zettelkasten 或 PARA 方法，寻求自动化辅助的笔记用户
• 隐私敏感型用户：拒绝云端记忆服务，坚持数据主权至上的安全意识人群

使用风险说明

性能风险：首次全量扫描大量历史日志时，600秒超时设定可能不足以完成深度整合，建议分批次手动触发。

权限依赖：需精确授予 filesystem.read 和 filesystem.write 权限，若误授 shell.execute 或 network.all 将扩大攻击面。

版本迁移成本：Schema 经历 v1→v2→v3 演进，跨大版本升级需按参考指南执行，否则可能出现索引不兼容。

可选插件风险：推荐的 LCM（Working Memory）插件来自第三方（@martian-engineering/lossless-claw），系统明确禁止自动安装，用户需自行评估该插件可信度后手动决策。