核心用法
OpenClaw Auto-Dream 是一套认知记忆架构系统，专为OpenClaw代理设计。系统通过周期性"梦境周期"自动扫描每日日志，提取关键知识并整合为结构化长期记忆，同时生成摘要报告推送给用户。
初始化流程：创建记忆目录结构 → 生成核心文件（MEMORY.md、index.json、procedures.md等） → 配置定时任务（默认每日凌晨4点执行）。
梦境周期四步走：
1. 智能跳过：检测7天内是否存在未整合日志，无则退出
2. 采集提取：读取未整合日志，提取决策、事实、进展、教训、待办
3. 整合归档：对比MEMORY.md追加新内容、更新现有条目、标记已处理日志
4. 生成通知：输出多语言报告（含变更列表+洞察+建议）
手动触发：支持"立即梦境""记忆仪表盘""导出记忆"三种指令，用户可随时干预。
显著优点
- 零配置自动化：Cron定时执行，无需人工值守，降低记忆管理认知负担
- 结构化存储：分文件管理（长期知识/流程偏好/项目叙事/元数据索引），检索高效
- 智能重要性评分：内置遗忘曲线算法，自动识别高价值信息
- 多语言原生支持：自动读取USER.md偏好语言，全球化适配
- 安全回滚机制：重大变更前自动备份（>30%变化触发.bak）
- 模块化扩展：可选LCM插件增强工作记忆层
潜在缺点与局限性
- 依赖日志质量：若用户日志本身结构混乱，提取效果受限
- 隐私边界模糊："敏感数据策略"仅合并已存在的敏感信息，但未定义何为"敏感"的判定标准
- 单点故障风险：index.json每次重建，若损坏可能导致记忆索引失效（虽有.bak备份）
- 跨实例迁移复杂：需参考专用迁移协议，非技术用户上手门槛较高
- 无版本控制：MEMORY.md追加更新但无历史diff，误操作后追溯困难
适合人群
- 高频OpenClaw用户：每日产生大量交互日志，需要系统自动梳理
- 长期项目管理者：需要跨会话保持上下文 continuity 的研发/产品经理
- 知识工作者：希望将AI对话转化为可检索的个人知识库
- 多语言团队：需要原生多语言记忆报告的国际协作场景
常规风险
| 风险类型 | 具体表现 | 缓解措施 |
|---------|---------|---------|
| 数据丢失 | 误删MEMORY.md或index.json损坏 | 自动.bak备份、禁止删除原始日志 |
| 隐私泄露 | 敏感对话被整合进长期记忆 | 仅合并已存在敏感信息、用户可控标记⚠️PERMANENT |
| 过度自动化 | 定时任务在用户不知情时运行 | announce模式推送通知、支持手动触发验证 |
| 存储膨胀 | 长期运行后episodes目录累积 | archive.md自动压缩低重要性内容 |
总体评估：T1级来源（MyClaw.ai官方）、S级安全设计（多层备份+用户控制+隔离执行），适合追求自动化知识管理的进阶用户。