（13460期）remember-me – 隐私优先的长期记忆管家

隐私优先的长期记忆管家 OpenClaw官方出品的用户记忆管理技能，通过科学分类与隐私优先设计，实现AI长期交互中的个性化服务与上下文延续。 使用说明 核心用法 remember-me 是一款面向长期人机协作的记忆管理技能，核心功能围绕"捕获-分类-存储-检索-遗忘"全生命周期展开。当用户说"记住这个"、表达偏好边界、或出现重复行为模式时，技能自动触发记忆流程：首先将信息分类为 FACT（用户明确陈述）、PREFERENCE（行为或陈述偏好）、GOAL（时间绑定目标）、HYPOTHESIS（推断假设）四类；随后以时间戳形式写入 memory/YYYY-MM-DD.md 日常笔记，并生成1-2条带置信度标记的假设；经验证的持久信息最终晋升至 MEMORY.md 长期档案。检索时优先查询记忆源并引用原文，若未命中则明确告知用户。 显著优点 该技能的设计体现了罕见的工程严谨性与人文关怀平衡。其一，四层分类体系杜绝了记忆污染——HYPOTHESIS 明确标记为"推断、未验证"，从根本上避免AI幻觉被固化为虚假记忆；其二，置信度衰减机制（高→中14天、中→低30天、低→丢弃60天）模拟人类记忆的遗忘曲线，防止陈旧假设干扰当前判断；其三，显式排除清单明确拒绝存储短暂情绪、一次性抱怨、敏感身份属性及原始对话日志，将隐私保护内置于架构；其四，假设验证循环通过轻量探针（如"我是否该更直接地挑战你？"）持续校准理解，使AI呈现"可纠正的谦逊"。 潜在缺点与局限性 首要局限在于存储依赖外部实现：SKILL.md 仅定义协议与流程，实际的文件写入需依赖宿主环境支持，若未配置 memory/ 目录则功能降级为"建议性提示"。其次，假设验证的社交成本：频繁的确认探针可能打断对话流，尤其在用户疲惫或紧急场景下，"人类式理解"反而造成摩擦。第三，长期记忆的膨胀风险：虽然设有晋升门槛（重复2+会话、高影响、显式偏好），但缺乏自动归档或摘要压缩机制，多年使用后 MEMORY.md 可能沦为难以检索的冗长文档。最后，跨设备同步缺失：记忆本地存储于单一会话环境，用户切换终端时面临"失忆"困境。 适合的目标群体 该技能最适合三类场景：一是长期项目协作，如持续数月的研究、写作或产品开发，需要AI记住决策历史与演进脉络；二是高个性化服务需求，如特定沟通风格偏好（直接vs探索性）、决策模式（速度优先vs深度优先）的职场人士；三是隐私敏感但愿意有限披露的用户，其明确的同意机制与遗忘权设计，为注重数据主权的用户提供了可控的个性化路径。 conversely，追求极简交互、或频繁切换对话上下文的用户可能觉得记忆管理 overhead 过高。 使用风险 性能层面，频繁的磁盘写入在极端高频交互场景下可能产生I/O瓶颈，建议宿主环境实现异步批处理。依赖项层面，技能假设存在可用的文件系统与目录权限，容器化或沙箱环境需显式挂载 memory/ 路径。隐私层面，虽然协议禁止存储敏感属性，但"用户明确同意"的判定边界模糊——若用户在情绪激动时口头"同意"，后续可能产生争议，建议宿主增加二次确认或时间延迟机制。最后，记忆一致性风险：多会话并发写入同一文件时可能产生竞态条件，需宿主实现文件锁或版本控制。 原始说明 Build and maintain human-centered user understanding through structured notes, preference tracking, and behavioral context. Use when the user asks to remember things, understand them better over time, personalize responses, or keep ongoing notes about goals, habits, tone, boundaries, and recurring concerns.