rem-sleep

REM Sleep - AI Agent 的记忆整合

与生物的 REM 睡眠类似，此技能会将原始经验（会话日志）处理为整合后的长期记忆。

适用于： OpenClaw、Claude Code，或任何拥有会话日志和记忆文件的 Agent。

问题

• 会话日志不断累积，但重新阅读的成本很高
• 重要见解被埋没在噪声中
• “心理笔记”无法在上下文压缩后保留下来
• 重启后，如果没有把内容写下来，就得从头开始

解决方案

定期执行“睡眠周期”：

1. 搜索会话日志，查找重要模式
2. 提取值得记住的内容
3. 整合到持久化的记忆文件中

模式

1. 整合

处理近期会话日志 → 提取重要事件 → 更新 MEMORY.md

2. 碎片整理

检查 MEMORY.md → 删除过时内容 → 合并重复项 → 压缩内容

3. 完整

先运行整合，再运行碎片整理。

---

整合工作流

步骤 1：收集近期会话

选项 A：使用 grep/jq（无需额外软件）

# OpenClaw session logs location
SESSIONS_DIR="$HOME/.openclaw/agents/main/sessions"

# Search for patterns in recent sessions
grep -r "decision\|learned\|important\|remember\|TODO" "$SESSIONS_DIR" --include="*.jsonl" | head -100

# Parse JSONL and search content
find "$SESSIONS_DIR" -name "*.jsonl" -mtime -3 -exec cat {} \; | \
  jq -r 'select(.content) | .content' 2>/dev/null | \
  grep -i "decision\|learned\|important"

选项 B：使用 Repo Prompt（如果已安装）

# More powerful semantic search
rp -e 'search "decision" --context-lines 2'
rp -e 'search "learned" --context-lines 2'
rp -e 'search "important" --context-lines 2'

选项 C：使用 memory_search（OpenClaw 内置）

如果你的 Agent 有 memory_search 工具，可用它语义搜索记忆文件：

memory_search("decisions made this week")
memory_search("lessons learned")

步骤 2：确定整合候选内容

在搜索结果中查找：

• 已做出的决定 — 选择、偏好、结论
• 已了解的事实 — 关于人员、项目、系统的新信息
• 经验教训 — 有效或无效的方法、需要避免的错误
• 待办事项/承诺 — 已承诺或计划的事项
• 关系背景 — 与他人的互动及其偏好

步骤 3：更新记忆文件

两层系统：

1. 每日文件（memory/YYYY-MM-DD.md）：原始事件、具体细节
2. MEMORY.md：提炼后的持久知识，值得长期保留

整合提示词：

查看这些会话摘录。提取值得长期记住的重要信息。重点关注：决定、有关人员/项目的事实、经验教训和偏好。整理为适合放入 MEMORY.md 的项目符号列表。

---

碎片整理工作流

步骤 1：分析当前记忆

阅读 MEMORY.md 并找出：

• 过时条目 — 已过时的信息、已完成的待办事项、旧日期
• 重复项 — 在不同章节重复出现的相同信息
• 不一致之处 — 相互冲突的信息
• 冗余内容 — 可以压缩的冗长条目

步骤 2：对问题分类

STALE: [entry] — reason it's outdated
DUPLICATE: [entry A] ≈ [entry B]
INCONSISTENT: [entry A] vs [entry B]
BLOAT: [verbose entry] → [compressed version]

步骤 3：应用修正

• 删除过时条目（或在不确定时移至归档章节）
• 将重复项合并为一条权威记录
• 解决不一致之处（必要时检查会话日志）
• 压缩冗长条目

步骤 4：重新整理

确保 MEMORY.md 包含逻辑清晰的章节：

• 关于[用户]
• 我的设置
• 项目
• 人员
• 偏好
• 经验教训

---

计划安排

建议频率：

• 整合：每隔几天一次，或在忙碌时期之后
• 碎片整理：每周或每两周一次
• 完整：每月进行一次深度清理

触发方式：

• 手动：“运行 REM sleep” / “整合我的记忆”
• 心跳：将任务添加到 HEARTBEAT.md，定期运行
• Cron：安排在非工作时间运行的独立任务

---

快速参考

# Native search (no dependencies)
grep -r "pattern" ~/.openclaw/agents/main/sessions --include="*.jsonl"

# With Repo Prompt
rp -e 'search "PATTERN" --context-lines 2'

# Helper script (if using Repo Prompt)
./scripts/gather-sessions.sh [days_back]

文件结构

rem-sleep/
├── SKILL.md          # This file
├── README.md         # GitHub readme
└── scripts/
    └── gather-sessions.sh   # Helper script (requires Repo Prompt)

说明

• 会话日志采用 JSONL 格式，内容封装在 JSON 中
• 如果不确定某项内容是否过时，请予以保留（采取保守做法）
• MEMORY.md 会在主会话中加载，因此请保持内容精简且相关
• 此技能是一套工作流，而非二进制程序——请根据你的设置灵活调整

贡献

欢迎提交 PR！改进建议：

• 更好的“哪些内容值得记住”判断启发式方法
• 替代搜索方法
• 适用于不同平台的自动化脚本
• 集成向量数据库以支持语义搜索

GitHub：https://github.com/stewnight/rem-sleep-skill