什么是 渐进式记忆 (Progressive Memory)？

渐进式记忆是一个旨在解决 AI 智能体工作流中上下文腐烂和令牌浪费的战略框架。通过应用渐进披露原则，该系统允许智能体首先扫描轻量级的历史数据索引，而不是将数千个无关令牌加载到提示词上下文中。这种方法确保了智能体的注意力预算保留给当前的特定任务，使 Openclaw Skills 在长期项目和复杂开发阶段中更具成本效益且更加准确。

下载入口:https://github.com/openclaw/skills/tree/main/skills/lxgicstudios/progressive-memory

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。

渐进式记忆 (Progressive Memory) 应用场景

• 减少复杂且长时间运行的智能体工作流中的令牌消耗。
• 管理技术债和项目陷阱，而不淹没上下文窗口。
• 简化同一环境下不同 AI 智能体之间的移交。
• 通过优先处理高影响力的规则和架构决策，提高 Openclaw Skills 的决策效率。

1. 会话开始时，智能体扫描内存条目的紧凑索引表，通常消耗少于 200 个令牌。
2. 智能体使用标准化图标将条目视觉化分类为规则、陷阱、决策或更改。
3. 根据当前任务，智能体评估索引中列出的令牌成本，以确定获取完整详情的投资回报率 (ROI)。
4. 智能体通过引用 #1 或 G3 等唯一 ID，仅获取所需的特定 Markdown 块，以保持高度的上下文相关性。

渐进式记忆 (Progressive Memory) 配置指南

要将此记忆系统集成到您的 Openclaw Skills 设置中，请遵循以下步骤：

1. 更新智能体的系统指令或 AGENTS.md，以识别渐进式记忆索引格式。
2. 初始化您的长期记忆文件：

touch MEMORY.md

3. 为每日日志设置目录：

mkdir -p memory/

4. 将现有文档重组为索引表格式，以便智能体按需获取。

渐进式记忆 (Progressive Memory) 数据架构与分类体系

该系统利用双文件层次结构高效地组织信息：

每个条目遵循严格的分类法，使用图标如 ?? 表示规则、?? 表示陷阱（注意事项）以及 ?? 表示架构决策，允许 Openclaw Skills 一目了然地扫描上下文并获取相关数据块。

Progressive Memory

Token-efficient memory system for AI agents. Scan an index first, fetch details on demand. Based on progressive disclosure principles from claude-mem.

The Problem

Traditional memory dumps everything into context:

• Load 3500 tokens of history
• 94% is irrelevant to current task
• Wastes attention budget, causes context rot

The Solution

Progressive disclosure: Show what exists first, let the agent decide what to fetch.

Before: 3500 tokens loaded → 200 relevant (6%)
After:  100 token index → fetch 200 needed (100%)

Memory Format

Daily Files (memory/YYYY-MM-DD.md)

# 2026-02-01 (AgentName)

## Index (~70 tokens to scan)
| # | Type | Summary | ~Tok |
|---|------|---------|------|
| 1 | ?? | Auth bug - use browser not CLI | 80 |
| 2 | ?? | Deployed SEO fixes to 5 pages | 120 |
| 3 | ?? | Decided to split content by account | 60 |

---

### #1 | ?? Auth Bug | ~80 tokens
**Context:** Publishing via CLI
**Issue:** "Unauthorized" even with fresh tokens
**Workaround:** Use browser import instead
**Status:** Unresolved

Long-Term Memory (MEMORY.md)

## ?? Index (~100 tokens)
| ID | Type | Category | Summary | ~Tok |
|----|------|----------|---------|------|
| R1 | ?? | Rules | Twitter posting protocol | 150 |
| G1 | ?? | Gotcha | CLI auth broken | 60 |
| D1 | ?? | Decision | Content split by account | 60 |

---

### R1 | Twitter Posting Protocol | ~150 tokens
- POST ALL tweets in ONE session
- NEVER post hook without full thread
- VERIFY everything before reporting done

Observation Types

Token Estimation

How It Works

1. Session starts → Agent scans index tables (~100-200 tokens)
2. Agent sees types → Prioritizes ?? gotchas over ?? changes
3. Agent sees costs → Decides if 400-token entry is worth it
4. Fetch on demand → Only load what's relevant to current task

Benefits

• Token savings: ~65,000 tokens/day with 20 memory checks
• Faster scanning: Icons enable visual pattern recognition
• Precise references: IDs like #1, G3, D5 for exact lookup
• Cost awareness: Token counts for ROI decisions

Integration

Works with any markdown-based memory system. No database required.

For Clawdbot users:

1. Update AGENTS.md with format instructions
2. Restructure MEMORY.md with index
3. Use format in daily memory/YYYY-MM-DD.md files

Built by LXGIC Studios

?? GitHub · Twitter