Memory Analyzer 是一个专注于对话历史分析与用户偏好学习的自动化技能。该工具通过读取会话记录，智能识别用户的反馈模式和工作偏好，自动更新包括 MEMORY.md、AGENTS.md、USER.md、IDENTITY.md 和 SOUL.md 在内的记忆文件，从而实现 AI 助手对用户的深度个性化适配。
核心用法方面，用户只需通过自然语言指令（如"我喜欢这样工作"、"这个格式不错"等反馈）即可触发分析流程。技能默认调用 Google Gemini 3 Flash Preview 模型，对历史对话进行语义解析，提取关键偏好信息并结构化存储到指定的记忆文件中。整个过程无需手动干预，实现了"越用越懂你"的持续学习闭环。
显著优点体现在三个层面：首先是自动化程度高，能够实时捕获用户的隐性需求并自动归档；其次是代码安全性极佳，经 BSS 认证无危险函数、无网络通信、无动态代码加载风险；最后是架构透明，所有记忆更新逻辑清晰可见，便于用户理解和控制，且仅依赖 Python 标准库，无第三方依赖隐患。
潜在局限性主要包括：目前实现仍为演示版本，真实的会话文件读取逻辑尚未完全落地；作为个人开发者项目（T3 来源），长期维护稳定性和代码审查的持续性有待观察；功能相对单一，主要适用于特定技术栈（OpenClaw 环境）的用户，通用性有限。
该技能最适合追求极致个性化体验的高级用户、AI 助手定制开发者以及需要长期记忆管理的生产力场景。对于希望构建"数字分身"或持续优化 AI 工作流的个人用户尤为适用，能够显著减少重复配置成本。
使用风险方面，尽管当前代码通过安全审计，但用户应注意：定期审查更新代码以防后续版本引入风险操作；避免在处理高度敏感机密信息的场景使用（因 T3 来源可信度限制）；关注权限管理，当功能完善后可能涉及文件系统访问权限的合理配置；同时需留意模型调用成本（Gemini API 费用）。