主动维护技能:自动化系统健康与内存管理 - Openclaw 技能

作者:互联网

2026-04-18

AI教程

什么是 主动维护技能?

主动维护技能(Active Maintenance Skill)是一个必不可少的工具,旨在为 Openclaw 技能提供自动化的系统健康维护和内存代谢。受 ClawIntelligentMemory 项目启发,该技能通过管理磁盘使用情况和精简存储数据,确保 Kim Assistant 环境保持整洁高效。其主要目的是通过防止资源膨胀并确保内存保持稠密且可操作,从而维持高性能的工作空间。

通过实施此技能,开发人员可以确保其智能体在稳定的环境中运行。该工具承担了系统管理和数据修剪的繁重工作,使 AI 能够专注于执行任务,同时通过专门的决策日志记录所有维护活动的透明审计追踪。

下载入口:https://github.com/openclaw/skills/tree/main/skills/xiaowenzhou/active-maintenance

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。

npx clawhub@latest install active-maintenance

2. 手动安装

将技能文件夹复制到以下位置之一

全局模式 ~/.openclaw/skills/ 工作区 /skills/

优先级:工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。

请帮我使用 Clawhub 安装 active-maintenance。如果尚未安装 Clawhub,请先安装(npm i -g clawhub)。

主动维护技能 应用场景

  • 自动执行每晚系统健康检查,以监控磁盘使用情况和关键资源的可用性。
  • 修剪陈旧的临时文件和构建产物,以保持工作区的整洁。
  • 通过去重和将密集笔记提取为核心洞察,巩固内存碎片。
  • 为管理审查创建系统更改和优化的透明审计追踪。
主动维护技能 工作原理
  1. 该技能启动系统健康检查,根据定义的阈值监测磁盘使用情况和资源级别。
  2. 它根据用户定义的时限配置识别并删除临时文件和产物。
  3. 内存代谢 (M3) 流程触发,去重内存碎片并将复杂信息提取为核心洞察。
  4. 每项维护操作和系统决策都记录在结构化日志中,以实现完全的可审计性和透明度。

主动维护技能 配置指南

要执行手动维护周期,请通过 CLI 执行优化脚本:

python3 /root/.openclaw/workspace/scripts/nightly_optimizer.py

配置在 scripts/nightly_optimizer.py 中处理。您可以自定义以下参数:

  • TEMP_DIRS:定义要监控清理的目录列表。
  • threshold:设置触发系统警告的磁盘使用百分比。
  • days:指定临时文件被清除前的最大保存天数。

要将决策日志集成到自定义工作流中,请使用提供的 Python 模块:

from decision_logger import log_decision
log_decision(title="Maintenance Update", ...)

主动维护技能 数据架构与分类体系

主动维护技能使用结构化分类法组织其数据和配置,以确保 Openclaw 技能保持井然有序:

路径 类型 描述
MEMORY/DECISIONS/ 目录 存储每个维护周期和系统决策的结构化日志。
scripts/nightly_optimizer.py 配置 定义清理路径和资源阈值的核心文件。
TEMP_DIRS 环境 用户定义的临时文件存储和自动清除位置。

Active Maintenance Skill

Automated system health and memory metabolism for OpenClaw.

Inspired by the ClawIntelligentMemory project, this skill ensures Kim Assistant's environment stays clean and its memory stays dense.


Features

  1. System Health Checks: Monitor disk usage and critical resources.
  2. Auto-Cleanup: Remove aged temporary files and artifacts.
  3. Memory Metabolism (M3):
    • Exact deduplication of memory fragments.
    • Resource distillation: Summarizing dense notes into core insights.
  4. Decision Logging: Every maintenance cycle is logged to MEMORY/DECISIONS/ for auditability.

Usage

Run Full Maintenance

python3 /root/.openclaw/workspace/scripts/nightly_optimizer.py

Log a Decision

from decision_logger import log_decision
log_decision(title="Example", ...)

Configuration

Located in scripts/nightly_optimizer.py:

  • TEMP_DIRS: List of directories to clean.
  • threshold: Disk usage percentage to trigger warnings.
  • days: Age of files to cleanup.

Created: 2026-02-12 | By Kim Assistant

相关推荐