核心用法
Auto Memory Keeper 是一个自动化记忆管理工具，通过两种方式保持 AI 对话的连续性：被动模式下每小时由 cron 任务自动触发，主动模式下用户可通过"remember this"等指令手动触发。系统会抓取最近 60 分钟的活跃会话，经过噪声过滤后提取关键决策、任务、进展、问题和结论，并写入按日组织的 Markdown 记忆文件。
工作流程
1. 环境检查：创建或定位当日记忆文件（~/.openclaw/workspace/memory/YYYY-MM-DD.md）
2. 会话获取：拉取最近活跃会话列表及详情
3. 噪声过滤：跳过问候语、确认词、单字回复、无上下文问题、系统消息等
4. 信息提取：按关键词识别决策、任务、进展、问题、结论五类内容
5. 智能去重：相似度超过 80% 的内容自动跳过
6. 文件更新：以时间戳+一句话摘要格式追加记录
显著优点
- 零维护成本：完全自动化运行，无需人工干预即可保持记忆连续性
- 结构化存储：按日期分类、按类型标注，便于后续检索和复盘
- 智能降噪：内置过滤规则有效剔除无效信息，提升记忆质量
- 灵活触发：支持定时自动+手动触发双模式，适应不同使用场景
- 可配置性强：存储路径、时间间隔、去重阈值、过滤规则均可自定义
潜在局限
- 依赖会话质量：若原始对话缺乏结构化表达，提取效果会下降
- 关键词局限：固定关键词模式可能遗漏非标准表述的重要信息
- 文件分散：按日分割的长期记忆需要额外工具整合跨天关联
- 无跨会话关联：当前设计未自动建立不同日期记忆间的链接
适合人群
- 需要长期跟踪复杂项目进展的开发者/项目经理
- 高频使用 AI 助手且希望保留决策脉络的知识工作者
- 需要定期复盘会话内容的效率工具重度用户
常规风险
- 存储膨胀：高频使用下日志文件持续增长，需定期归档或清理
- 隐私暴露：记忆文件以明文存储于本地，多用户环境需注意权限设置
- 去重误判：80% 相似度阈值可能过度过滤略有变化的重复讨论
- cron 依赖：自动模式依赖系统 cron 服务，异常时可能中断记忆链
- 路径硬编码：默认路径含
~/.openclaw前缀，与其他工具链兼容性需验证