mirror of
https://gitcode.com/JianFeeeee/TrulyMEM-TrueHumanMEM.git
synced 2026-10-15 12:15:32 +00:00
9e067ac23a
- context_rewrite: 压缩上下文，提取关键三元组，支持偏好/决策/目标检测 - TaskNodeStore: 新表结构 + next链式关系 + 原始文本存档 - MemoryService: 集成TaskNode链操作，workingMemoryChain增强 - GraphMemoryTool: 新增 task_node_create/get_recent/get_chain 3个action - graph-memory-persona-force Skill: 指导AI主动查询人设图 - 新增测试: task_node_store.test.ts (6测试) + memory_service_p2.test.ts (7测试) - 全部138个测试通过
104 lines
2.9 KiB
Markdown
104 lines
2.9 KiB
Markdown
---
|
||
name: graph-memory-persona-force
|
||
description: "AI 人设强制查询最佳实践 - 指导 AI 在特定场景下主动查询人设图"
|
||
metadata: {"openclaw": {"requires": {"bins": ["node"]}}}
|
||
user-invocable: false
|
||
---
|
||
|
||
# Graph Memory Persona Force - 人设强制查询 Skill
|
||
|
||
本 Skill 不是修改 OpenClaw 核心，而是作为**最佳实践指导**，帮助 AI 在合适的时机主动查询用户的长期记忆（人设图）。
|
||
|
||
## 何时查询人设？
|
||
|
||
当对话中出现以下信号时，AI **应当主动调用 graph_memory recall** 查询用户相关记忆：
|
||
|
||
### 1. 个人偏好信号
|
||
- "我喜欢..." / "我不喜欢..."
|
||
- "我更倾向于..." / "我讨厌..."
|
||
- "我习惯..." / "我总是..."
|
||
- **行动**：recall 查询 "偏好" 相关记忆
|
||
|
||
### 2. 重要决策信号
|
||
- "我决定..." / "我选了..."
|
||
- "我打算..." / "我准备..."
|
||
- "我确定用..." / "我最终选择..."
|
||
- **行动**：recall 查询 "决策" 相关记忆，commit 记录新决策
|
||
|
||
### 3. 目标/计划信号
|
||
- "我的目标是..." / "我想实现..."
|
||
- "我计划..." / "我希望..."
|
||
- **行动**：recall 查询 "目标" 相关记忆
|
||
|
||
### 4. 问题/困难信号
|
||
- "我遇到一个问题..." / "我不确定..."
|
||
- "我尝试了...但失败了" / "有什么建议..."
|
||
- **行动**：recall 查询历史 "解决方案"，看是否有类似经历
|
||
|
||
### 5. 情绪/状态信号
|
||
- "我最近..." / "我感觉..."
|
||
- "我很忙..." / "我没时间..."
|
||
- **行动**：recall 查询 "状态" 或 "情绪" 相关记忆
|
||
|
||
## 查询策略
|
||
|
||
```json
|
||
{
|
||
"action": "recall",
|
||
"params": {
|
||
"queryIntent": "用户偏好 决策",
|
||
"seedEntities": ["用户", "我"],
|
||
"depth": 2
|
||
}
|
||
}
|
||
```
|
||
|
||
### 渐进式查询
|
||
|
||
1. **先查人设核心** (subject="AI" 或 "用户")
|
||
2. **再查相关实体** (seedEntities 包含关键词)
|
||
3. **最后查上下文** (working_memory_chain)
|
||
|
||
## 记录时机
|
||
|
||
当用户明确表达新的偏好、决策或目标时，**立即 commit**：
|
||
|
||
```json
|
||
{
|
||
"action": "commit",
|
||
"params": {
|
||
"triplets": [
|
||
{"subject": "用户", "relation": "偏好", "object": "Python"},
|
||
{"subject": "用户", "relation": "决策", "object": "选择React作为前端框架"}
|
||
]
|
||
}
|
||
}
|
||
```
|
||
|
||
## 示例对话
|
||
|
||
**用户**：我最近在学习 TypeScript，因为之前用 JavaScript 遇到太多类型问题了。
|
||
|
||
**AI 思考**：
|
||
1. 用户提到 "学习 TypeScript" → 可能是新偏好/目标
|
||
2. 用户提到 "之前用 JavaScript 遇到类型问题" → 历史决策原因
|
||
3. **行动**：recall 查询用户技术偏好
|
||
|
||
```json
|
||
{
|
||
"action": "recall",
|
||
"params": {
|
||
"queryIntent": "技术偏好 JavaScript TypeScript",
|
||
"seedEntities": ["用户", "JavaScript", "TypeScript"],
|
||
"depth": 2
|
||
}
|
||
}
|
||
```
|
||
|
||
## 与 graph-memory Skill 的关系
|
||
|
||
- `graph-memory`：提供工具能力（recall/commit/purge 等）
|
||
- `graph-memory-persona-force`：指导何时使用、如何使用（最佳实践）
|
||
|
||
两者配合使用，实现真正智能的长期记忆系统。
|