secondmind

核心用法

SecondMind 是一个为 OpenClaw 代理设计的自主三层记忆系统，通过周期性摄取会话记录（JSONL），利用 LLM 提取结构化知识、情感状态与事件信息，并基于分析结果主动生成自动化建议与项目创意。系统采用 Node.js 构建，使用 SQLite 作为本地数据库，支持 Linux 与 Windows 双平台。

用户通过配置 config.json 连接 OpenRouter API（支持多种大模型），可选择集成模式（通过 OpenClaw Telegram 机器人）或独立模式（单独运行 bot 守护进程）。核心工作流包括：每 30 分钟摄取会话、每 6 小时整合提取知识情感、每日归档成熟数据到 FTS5 索引，以及每 6 小时生成主动提案。用户可通过 /accept、/reject、/defer 等命令管理 AI 建议，系统支持自然语言反馈与批量操作。

显著优点

智能知识管理：自动从海量对话中提取结构化知识，支持语义去重（相似度阈值 0.85）与全文检索，解决长期会话上下文丢失问题。情感与社交智能：独特地追踪用户情绪模式（沮丧、兴奋、焦虑等），基于情感历史提供更人性化的交互建议。主动自动化：不仅被动存储，更能主动识别工作流优化机会，生成具体可执行的改进提案。灵活部署：支持集成与独立双模式，既可与现有 OpenClaw 机器人共存，也可作为独立服务运行。成本可控：月均成本仅 $0.6-1.65，远低于自建向量数据库方案。

潜在缺点与局限性

外部依赖性强：核心功能依赖 OpenRouter API，无法完全离线运行，存在服务商可用性风险。单用户架构：SQLite 本地存储设计适合个人使用，缺乏多用户隔离机制，不适用于团队共享环境。配置门槛：需要用户自行配置 API Key、Telegram Bot Token（可选）及路径映射，对非技术用户不够友好。T3 来源风险：由个人开发者维护（Emphaiser），长期维护稳定性与代码审查深度不及企业级项目。

适合的目标群体

OpenClaw 重度用户：需要跨会话保持长期记忆与上下文连贯性的 AI 代理用户。知识工作者与研究者：希望自动整理对话中的知识点、待办事项与灵感创意的专业人士。自我提升关注者：希望通过情绪追踪了解自身工作模式与压力周期的个人用户。自动化爱好者：期待 AI 不仅回答问题，更能主动提出工作流程优化建议的早期采用者。

使用风险与注意事项

数据安全：虽然数据主要存储本地，但会话内容需发送至 OpenRouter 进行 LLM 处理，敏感信息存在第三方暴露风险，建议避免输入机密数据。成本控制：虽月均成本较低，但高频使用或处理超长会话可能产生意外费用，建议定期监控 OpenRouter 账单。系统稳定性：自动配置的 cron/计划任务可能与其他系统任务冲突，数据库锁定错误需等待后台任务完成。数据备份：本地 SQLite 数据库缺乏自动备份机制，建议定期手动备份 data/secondmind.db 防止数据丢失。