核心用法
Memory Analyzer 是一款系统级自动化技能，通过扫描对话历史识别用户的显性与隐性偏好，并自动维护五类记忆文件：
| 文件 | 用途 |
|------|------|
| MEMORY.md | 长期事实性记忆 |
| AGENTS.md | Agent行为规则 |
| USER.md | 用户个人偏好 |
| IDENTITY.md | 身份相关笔记 |
| SOUL.md | 个性特征更新 |
触发方式灵活，支持自然语言指令（如"Run memory-analyzer"）或 Python 脚本直接调用，默认集成 Google Gemini 3 Flash Preview 模型进行语义分析。
显著优点
- 零手动维护：全自动扫描与更新，消除记忆碎片管理负担
- 多维度记忆架构：五层文件分离事实、规则、偏好、身份、人格，结构清晰
- 原生Turkish支持：触发词示例显示对土耳其语反馈的识别能力
- 模型灵活性：可通过配置切换底层LLM，当前由用户Tevfik锁定Gemini 3 Flash
潜在局限
- 黑箱更新：自动写入机制缺乏变更预览或确认步骤，存在误写风险
- 权限边界模糊：具备跨文件写权限，若提示词被注入可能污染核心记忆
- 版本控制缺失：未提及回滚机制，错误记忆可能持续累积
- 依赖特定用户配置：硬编码路径
/home/ubuntu/.openclaw/workspace/降低可移植性
适合人群
高频使用AI助手、希望减少重复说明个人偏好的重度用户；追求"越用越懂你"体验的个性化场景。
常规风险
- 记忆污染：错误提取的偏好被固化写入，形成反馈循环
- 隐私暴露：对话历史持续归档，敏感信息可能进入长期记忆
- 提示注入：恶意输入可能伪装成用户偏好篡改agent规则