Claw History

核心用法

claw-history 技能用于响应用户对智能体完整历史记录的审计请求，如"从出生到现在的一切行动"、"完整操作日志"等。它不是简单的会话回顾，而是跨数据源的全生命周期重建。

执行时按优先级访问四类数据源：①按日期命名的记忆文件（寻找首尾日期） ②长期里程碑文档 MEMORY.md ③主/子智能体会话清单 ④当前对话/工具日志。通过时间戳交叉验证实现去重与排序。

显著优点

审计级完整性：强制从最早可用证据重建，而非默认回退到当前会话；来源透明：每个条目标注 Confirmed（直接证据）或 Inferred（间接推断）；容错设计：明确声明数据缺口，不掩盖盲区；结构化输出：包含出生标记、覆盖范围、时间线、缺口说明、置信度五级要素。

潜在局限

依赖存储持久性：若记忆文件被清除或分布式存储过期，早期记录不可恢复；子智能体可见性限制：部分会话可能因权限隔离无法访问；时间精度损失：部分操作仅能通过会话顺序或日期粒度推断，无法还原精确到分钟的时间戳；无实时加密验证：技能本身不包含防篡改校验机制，输出可信度受底层存储完整性约束。

适合人群

开发者调试长期运行智能体、合规审计人员、需要追溯决策链路的责任归属场景、以及研究智能体行为演变的用户。

常规风险

隐私泄露：完整历史可能暴露敏感交互内容；数据幻觉：若存储损坏，可能将推断条目误呈现为确认事实；性能开销：遍历全量存储在大型长期运行实例上可能产生显著延迟。

核心用法

claw-history 是一款纯文档型 Agent Skill，用于响应用户对 Agent 完整行动历史的审计需求。当用户询问"你从一开始就做了什么""完整操作记录"或"从诞生到现在的一切"时，该 Skill 指导 Agent 执行六步标准化工作流：确定最早时间戳（Birth marker）→ 跨数据源收集行动记录 → 去重处理 → 严格时序排序 → 标记每条证据的可信度（Confirmed/Inferred）→ 输出覆盖摘要。

数据源优先级明确：本地 memory/YYYY-MM-DD*.md 文件 → MEMORY.md 长期里程碑 → 会话库存/历史 → 当前对话日志。输出格式强制包含时间戳、证据状态、行动描述及结果，并明确标注数据缺口与置信度等级。

显著优点

极致安全性：纯 Markdown 文档实现，零可执行代码、零外部依赖、零网络调用，从架构上消除代码注入与数据外泄风险。安全评分达 85 分，获 S 级认证。

审计完整性：不局限于当前会话，强制追溯最早可用证据，支持跨会话、跨子 Agent 的历史整合，满足"终身问责"场景。

证据透明化：区分"已确认"与"推断"状态，明确标注数据来源与缺失窗口，符合学术与合规审计的严谨性要求。

来源可信：由 OpenClaw 与 BlueBirdBack 联合维护，T2 级可信组织背书，ClawHub 平台有持续发布记录。

潜在缺点与局限性

功能边界依赖 Agent 能力：实际执行效果受限于底层 Agent 的记忆文件完整性、日志保留策略及子 Agent 会话可访问性。若 memory/ 目录被清理或会话日志过期，历史重建将出现不可逆缺口。

无自动化执行：作为纯提示词文档，Skill 本身不执行任何文件操作，完全依赖 Agent 对指令的理解与执行一致性，存在解释偏差风险。

时序精度受限：当原始记录缺乏精确时间戳时，仅能退化为日期或会话顺序粒度，标注为"推断"状态，降低审计权威性。

大规模历史性能问题：若 Agent 运行周期长、行动密集，完整遍历所有记忆文件可能导致响应延迟，未内置分页或采样机制。

适合的目标群体

• AI 系统审计员：需要追溯 Agent 决策链路与责任归属的合规人员
• 长期项目协作者：与同一 Agent 持续交互数周/数月，需回顾完整上下文的用户
• 记忆系统开发者：调试 Agent 记忆持久化机制的技术人员
• 高 accountability 场景用户：金融、医疗、法律等对操作可追溯性有严格要求的领域

使用风险

数据暴露风险：输出内容包含 Agent 历史行动的完整时间线，可能意外暴露过往对话中的敏感信息（如用户曾输入的 API Key、隐私数据），建议在私密环境使用。

日志缺失风险：若 Agent 运行平台的记忆持久化策略为"会话级"而非"持久化存储"，或用户手动清理过历史文件，将产生不可恢复的历史缺口。

推断误差风险：标记为"Inferred"的条目基于间接证据重构，存在时序错位或行动归因错误的可能，不宜作为法律级证据。

Agent 执行一致性风险：不同 Agent 实现对"collect""de-duplicate"等指令的理解差异可能导致输出格式不一致，跨平台迁移时需谨慎验证。