什么是 session-wrap-up？

session-wrap-up 技能是 Openclaw Skills 生态系统中的一个核心实用工具，旨在弥合活跃编码会话与长期项目维护之间的鸿沟。它通过自动处理 Git 操作和文档更新，消除了手动记录的繁琐。通过分析您的会话历史，它确保所做的每个决定和修复的每个错误都能转化为项目的永久知识库。

该工具对于希望在不丢失架构演进轨迹的情况下保持高速工作流的开发人员尤为珍贵。作为广泛 Openclaw Skills 的一部分，它使用 gpt-4o-mini 提供智能模式检测，帮助您根据实际行为识别开发环境或自动化脚本中可改进的领域。

下载入口:https://github.com/openclaw/skills/tree/main/skills/xbillwatsonx/alex-session-wrap-up

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。

2. 手动安装

将技能文件夹复制到以下位置之一

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。

session-wrap-up 应用场景

• 在深度工作会话结束时自动执行提交和推送过程，确保远程仓库始终保持最新。
• 将对话历史中稍纵即逝的技术决策和调试步骤捕获到结构化的每日日志中。
• 识别重复出现的工作流瓶颈或常见问题，以更新系统提示词和文档。
• 维护按时间顺序排列的项目记忆，帮助团队成员或未来的自己理解特定更改背后的“原因”。

1. 交付阶段：该技能会扫描工作区中未提交的更改，暂存文件，生成感知上下文的提交消息，并将分支推送到远程源。
2. 提取学习阶段：它解析当前会话的对话，以识别关键决策、克服的技术障碍以及成功的实现细节。
3. 模式检测阶段：使用 gpt-4o-mini，该技能分析会话数据以寻找重复的请求或错误，并为开发环境提出优化建议。
4. 持久化与演进阶段：收集到的见解将保存到带有日期戳的记忆文件中，并整合到 AGENTS.md 等永久项目文档中，以提高未来 AI 智能体的性能。

session-wrap-up 配置指南

要在您的 Openclaw Skills 中部署此功能，请确保您的环境已配置 Git 且拥有用于模式检测的 LLM 供应商访问权限。将该技能添加到您的智能体能力列表中，并通过命令或自然语言触发：

# 触发手动总结
openclaw run session-wrap-up

session-wrap-up 数据架构与分类体系

session-wrap-up 技能通过以下文件结构组织数据，以维持项目连续性：

name: session-wrap-up
version: 1.0.0
description: End-of-session automation that commits unpushed work, extracts learnings, detects patterns, and persists rules. Uses gpt-4o-mini for pattern detection. Runs at session end or on-demand.

Session Wrap-Up

When to Run

• On-demand: User says "wrap up" or "session wrap-up"
• Automatic: End of significant work session (optional)

What It Does (4 Phases)

Phase 1: Ship It

• Check for unstaged/uncommitted files in workspace
• Commit with auto-generated message
• Push to remote

Phase 2: Extract Learnings

• Scan session conversation for key decisions
• Pull from recent memory file entries
• Identify what worked / what didn't

Phase 3: Pattern Detect (gpt-4o-mini)

• Analyze extracted learnings
• Find repeated mistakes or requests
• Identify automation opportunities

Phase 4: Persist & Evolve

• Write learnings to memory/YYYY-MM-DD.md
• Update AGENTS.md / MEMORY.md if new patterns found
• Flag items worth publishing/sharing

Model

• Pattern detection: gpt-4o-mini (via OpenRouter or OpenAI)
• All other phases: local shell/file operations

Output

• Commit confirmation
• Learnings summary (1-3 bullets)
• Patterns detected (if any)
• Files updated (if any)

Example Output

=== Session Wrap-Up ===

?? Ship It:
  ? 3 files committed
  ? Pushed to origin

?? Extract Learnings:
  - Backup script now handles D: mount checks
  - gog OAuth requires re-auth every ~7 days in Testing mode

?? Pattern Detect:
  ? You asked "how to mount D:" twice this week
    → Suggest adding D: auto-mount to WSL config

?? Persist:
  → Updated memory/2026-02-21.md
  → Updated AGENTS.md (added D: mount note)