核心用法
inner-life-memory 是一套面向 AI 代理的主动记忆开发框架，将传统的被动日志记录转化为结构化的记忆演进系统。核心工作流程围绕"会话后五步法"展开：
1. Reflect（反思）：分析会话内容，识别关键事件与意义
2. Extract（提取）：将信息分类为 8 种结构化记忆类型（fact/preference/relationship/principle/commitment/moment/skill/question），并赋予 0.0-1.0 置信度评分
3. Integrate（整合）：更新 MEMORY.md，使用 synapse 标签建立记忆关联（<!-- updates: --> / <!-- contradicts: -->）
4. Question（追问）：生成真实的好奇问题，而非表演性提问
5. Surface（呈现）：用户返回时自然展示最多 3 个待解决问题
关键输出文件：
memory/MEMORY.md：结构化记忆库memory/questions.md：好奇心 backlog（含 Open Questions/Leads/Dead Ends 三段式管理）memory/drive.json&inner-state.json：机器可读的状态继承
显著优点
- 解决真实痛点：直接针对"代理跨会话失忆"和"表演性熟悉"的行业通病
- 科学置信度体系：四级评分（Explicit/Implied/Inferred/Speculative）指导代理何时陈述事实、何时寻求确认
- 好奇心可持续：通过 questions.md 的「线索-死胡同」分离机制，避免重复探索，保持长期认知动力
- 模块化设计：与 inner-life-core/reflect/chronicle 形成完整生态，符合 Unix 哲学
- 版本控制友好：Markdown + JSON 的纯文本存储，便于 diff 审查和 Git 管理
局限性与风险
- 强依赖前置条件：必须预先安装 inner-life-core 并初始化特定 JSON 文件，否则完全无法运行
- 手动触发机制：5 步反思流程依赖用户或外部编排器主动调用，非自动执行
- 置信度主观性：0.95/0.70/0.40 等阈值缺乏统计学基础，实际效果依赖实现质量
- 规模瓶颈：MEMORY.md 线性增长，长期运行后检索效率未明确说明
- 无加密机制：
clawdbot.reads/writes暴露的敏感记忆路径（diary/drive.json）无访问控制说明
适合人群
- 需要长期连续性的个人 AI 助手用户（写作伙伴、研究助理、心理咨询类应用）
- 厌恶"每次重启重新介绍自己"的资深 AI 使用者
- 愿意投入维护成本（定期运行反思流程、管理 Dead Ends）的进阶用户
常规风险提示
| 风险类别 | 说明 |
|---------|------|
| 数据持久化 | 所有记忆存储于本地明文文件，无云端同步机制，设备损坏即丢失 |
| 隐私泄露 | diary/inner-state.json 可能包含敏感推理，共享 workspace 时需谨慎 |
| 认知固化 | 高置信度长期记忆可能形成"偏见固化"，需配合 inner-life-reflect 定期审计 |
| 幻觉累积 | Inferred/Speculative 级记忆若未正确标记，可能以讹传讹 |
---
来源：DKistenev/openclaw-inner-life，v1.0.4，开源协议未明确标注