核心用法
learn-me 是 OpenClaw 生态中的用户画像构建技能，核心机制是「被动收集+主动触发」。它不直接回答用户指令，而是在后台创建定时任务（crons），在合适时机以自然对话方式询问用户问题，并将答案存入记忆系统。
使用流程分为三层：
- 首次运行：自动创建 1-2 个定时任务（如 morning/evening），生成
memory/next-questions.md记录问题方向与敏感话题 - 日常运行：用户聊天时若透露新信息，技能静默记录潜在追问方向，但不立即追问
- 定时触发：cron 启动后，AI 从问题库挑选方向，将问题编织进当前对话语境，而非突兀提问
用户可手动触发 /learn-me，但设计初衷是减少用户操作负担，让学习发生在自然交流中。
显著优点
| 维度 | 表现 |
|------|------|
| **隐私设计** | 明确区分「learn」与「collect data」，禁止存储私密/秘密信息，敏感话题 30 天冷却机制 |
| **反骚扰机制** | 用户回避两次即永久标记，情绪低落时自动跳过，支持随时调整调度 |
| **语境融合** | 强制要求「编织进对话」，禁用「我能问你个问题吗」式开场 |
| **去监控化** | 明确禁止「我注意到你又凌晨 2 点在线」这类 surveillance 语言 |
| **渐进深度** | 提供 100 个示例问题（从轻松到深入），支持按用户能量状态调整 |
潜在缺点与局限
- 依赖记忆系统：若 OpenClaw memory 未启用，技能完全失效
- 调度颗粒度粗：仅支持固定 cron 时间，无法根据用户实时状态（如日历空闲）动态调整
- 语言硬编码：示例问题为英文，虽要求翻译为用户语言，但质量依赖 LLM 能力
- 无反馈闭环：用户无法直接查看「AI 已了解我什么」，透明度不足
- 生态锁定：仅兼容 OpenClaw 框架，无法迁移至其他 AI 助手平台
适合人群
- 长期使用 OpenClaw、希望获得个性化服务的深度用户
- 对「被 AI 记住」持开放态度，但反感问卷式盘问的人群
- 需要 AI 理解其工作节奏、沟通偏好、兴趣边界的知识工作者
不适合：隐私极度敏感者、短期试用用户、期望即时可见反馈的控制型用户。
常规风险
| 风险类型 | 等级 | 说明 |
|----------|------|------|
| 数据残留 | 中 | 记忆文件长期存储，删除技能后需手动清理 `~/.openclaw/skills/learn-me` |
| 推断越界 | 中 | AI 可能从碎片信息推断出用户未主动透露的敏感属性（如健康状况、政治立场） |
| 社交疲劳 | 低-中 | 即使设计反骚扰，高频用户仍可能感到「被观察」的压力 |
| 供应链风险 | 低 | 依赖 GitHub 托管，作者为个人开发者（YevhenDiachenko0），更新频率未知 |