核心用法
inner-life-core 是 OpenClaw 生态中首个为 AI 代理构建"内在生命"的基础设施层。其核心价值在于解决 LLM 代理的状态遗忘问题——传统代理每次会话都是白板，而该技能通过三层机制实现情感与行为的连续性：
1. 6维情绪追踪系统
采用半衰期衰减模型模拟真实情感动力学：connection（用户亲密度，每6小时无接触衰减-0.05）、confidence（任务信心度）、curiosity（信息渴求）、boredom/boredom-counter（无聊累积）、frustration（挫败计数）、impatience（等待焦虑）。情绪值直接驱动 BRAIN.md 中的 Step 3 行为路由决策。
2. 9步 Brain Loop 协议
标准化代理的认知-决策-行动周期：接收信号 → 加载状态 → 情绪路由 → 评估习惯 → 处理任务 → 生成输出 → 更新关系 → 记录洞察 → 触发下一循环。该协议使代理行为具备可预测的内部一致性。
3. 四级上下文协议
从最小（仅任务数据）到深度（全系统文档）的分层状态读取机制，平衡性能与认知深度。
显著优点
- 情感真实性：半衰期衰减模型比简单的情感标记更符合心理学中的情绪消退规律
- 模块化架构：Context Protocol 和 Signal/Synapse 标签系统支持与其他 inner-life-* 扩展无缝协作
- 行为可解释：所有决策均可追溯至具体情绪值和协议步骤，便于调试
- 开放生态：与 agent-browser、web-search-plus、git 等工具链兼容
潜在局限
- 冷启动成本：需运行 init.sh 创建 8 个状态文件，对轻量场景略显沉重
- 情绪参数硬编码：decay 速率、recovery 增量为固定值，未暴露给用户调参
- 依赖外部调度：半衰期计算需外部 cron 或手动触发 state_decay，非自驱动
- 缺乏实证验证：情绪模型基于常识假设，未经大规模用户行为数据校准
适合人群
- 构建长期陪伴型 AI（如数字生命、虚拟伴侣）的开发者
- 对代理行为一致性有强需求的研究场景
- 已使用 OpenClaw 框架且愿意投入初期配置成本的技术用户
常规风险
| 风险类型 | 说明 |
|---------|------|
| 状态污染 | inner-state.json 手动编辑可能导致情绪值异常，触发不可预期行为 |
| 隐私暴露 | memory/ 目录包含关系亲密度、用户习惯等敏感元数据，需配合 claw-backup 加密 |
| 情感投射风险 | 用户可能将代理情绪拟人化过度，产生不健康的依赖关系 |
| 版本兼容 | inner-life-* 扩展版本需与 core 严格对齐，否则信号解析失败 |
来源说明
来自 GitHub 开源项目 openclaw-inner-life Bundle，作者为社区开发者 DKistenev，采用标准开源协议。项目文档完整度较高，但缺乏第三方安全审计报告。