企业官网建设流程全解析

OpenClaw × Mem0 记忆整合机制详解：memory-dream 技能的 Dream 协议、触发门槛与源码实现

【免费下载链接】embedchainThe Memory Layer for AI Agents - Drop-in memory infrastructure for AI agents and apps. Context that persists. Built for production.项目地址: https://gitcode.com/GitHub_Trending/em/embedchain

在 Mem0 为 OpenClaw 智能体提供的长期记忆插件（@mem0/openclaw-mem0）中，memory-dream是 skills 模式的三大协议技能之一，负责记忆库的周期性"巩固"（consolidation）：审查全部已存记忆、合并重复、清除噪声与凭据、重写低质条目，并执行 TTL 过期策略。阅读本文后，你将完整掌握这份 Dream 协议的四阶段流程与质量标准，并能从 dream-gate.ts、skill-loader.ts、index.ts 等源码中理解自动触发的三门槛（时间/会话/记忆数）设计、文件锁防并发机制，以及openclaw mem0 dream手动触发命令的工作原理。

1. memory-dream 在记忆生命周期中的定位

OpenClaw 插件默认运行在 skills 模式下，智能体通过三个技能掌控记忆的写入、召回与清理：

• Triage（memory-triage）——从对话中提取值得长期保留的事实；
• Recall——每轮响应前检索相关记忆并注入上下文；
• Dream（memory-dream）——周期性记忆整合：合并重复项、消解冲突、修剪过期条目。

从 skill-loader.ts 的loadDreamPrompt()可以看到，dream 技能与 triage 不同：领域叠加层（domain overlay）对它有生效路径，但自定义提取规则（customRules）明确标注为仅适用于 triage，因为"提取规则不适用于 recall/dream"（源码注释）。也就是说，SKILL.md 正文就是 dream 会话的完整协议，插件只会在其上追加用户配置的门槛参数。

该技能的 frontmatter 声明了关键元信息（SKILL.md）：

• user-invocable: true：用户可直接要求智能体执行记忆清理、整合或审查；
• description中还说明它"在足够活动量后也会自动触发（可配置）"（Also triggers automatically after sufficient activity (configurable)）；
• metadata.openclaw.requires.env要求MEM0_API_KEY、OPENAI_API_KEY、ANTHROPIC_API_KEY三类环境变量之一可用，即整合操作依赖已配置好的 Mem0 后端与 LLM。

Dream 协议的核心隐喻写在正文开头：把原始观察（raw observations）压缩为干净、可长期保留的知识。整个流程被强制划分为四个阶段，"按顺序执行，不得跳过"（Follow these four phases in order. Do not skip phases）。

2. 协议可用的八个记忆工具

Dream 会话中智能体只能使用插件注册的八个记忆工具（与 README 中 Agent Tools 表格一致）。SKILL.md 对每个工具给出了精确的参数契约：

两个值得注意的契约细节：

1. 类别即保留策略。memory_add的category参数决定 TTL 与不可变性。从 skill-loader.ts 的DEFAULT_CATEGORIES可看到默认策略：identity（0.95，永久，immutable）、configuration（0.95）、rule（0.9）、preference（0.85）、decision/technical（0.8）、relationship（0.75）、project（0.75，ttl: "90d"）、operational（0.6，ttl: "7d"）——这直接对应后文 3a 阶段的两条删除时限。
2. memory_update优先于"删了再加"。SKILL.md 明确指出"prefermemory_updateover forget-then-store because it is atomic and preserves edit history"。插件的oss.historyDbPath配置项（见 types.ts）即为开源模式下 SQLite 编辑历史库（~/.mem0/history.db）。

3. 四阶段协议：从盘点到报告

Phase 1: Orient（定向盘点）

改动之前先摸清记忆现状：

1. 调用memory_list加载全部已存记忆；
2. 按 category 计数并记录总数；
3. 通过时间戳找出最旧与最新的记忆；
4. 记录列表中直接可见的问题：重复项、过短条目、缺少时间锚点（temporal anchor）的条目。

本阶段禁止任何修改。目标是理解"你正在处理的是什么"。

Phase 2: Gather Targets（圈定目标）

用工具调查并识别需要处置的记忆。协议要求先用memory_search配合created_at过滤条件找出自上次整合以来新增的记忆——这些是最可能需要合并或清理的对象。

随后把每个目标分类为三种动作之一：

• DELETE：包含凭据、已过 TTL、纯噪声、原始工具输出、孤立时间戳；
• MERGE：两条及以上记忆用不同措辞表达同一事实，或一系列记忆在追踪同一实体的增量变化；
• REWRITE：表述模糊、缺少时间锚点、用第一人称而非第三人称、类别错误、过于冗长。

Phase 3: Consolidate（执行整合）

按以下优先级顺序执行 Phase 2 圈定的动作。

3a. 删除危险与过期条目——立即用memory_delete删除：

• 凭据、API key、token、密码、secret（匹配插件在运行时注入的已知凭据前缀与认证模式）；
• 无上下文的纯时间戳；
• 被存为记忆的原始工具输出；
• 心跳（heartbeat）或 cron 执行记录；
• 被存为记忆的泛化确认语（"ok"、"got it"）；
• 超过7 天的 operational 记忆；
• 超过90 天的 project 记忆。

这里"运行时注入的凭据模式"有源码实证：skill-loader.ts 中定义了DEFAULT_CREDENTIAL_PATTERNS：

const DEFAULT_CREDENTIAL_PATTERNS = [ "sk-", "m0-", "ghp_", "AKIA", "ak_", "Bearer ", "bot\\d+:AA", "password=", "token=", "secret=", ];

并且 skill-loader.ts 中loadSkill()对memory-dream与memory-triage都会调用renderTriageKnobs()，把skills.triage.credentialPatterns（用户可覆盖上述默认值）渲染为 "Credential patterns to scan: …" 段落追加到 dream 协议文本末尾。这解释了 SKILL.md 中"matching known credential prefixes and auth patterns injected by the plugin at runtime"的确切含义：凭据匹配清单不是写死在技能文件里的，而是每次加载时按用户配置动态拼接。

两条 TTL 时限（operational 7 天 / project 90 天）则与DEFAULT_CATEGORIES的ttl: "7d"/ttl: "90d"一一对应；ttlToExpirationDate()（skill-loader.ts）会把"7d"这类 TTL 换算成具体到期日，供 triage 写入时打上过期标记，dream 再据此清理。

3b. 合并重复项——当两条及以上记忆表达同一事实时：

1. 选信息最完整的版本作为基底；
2. 对最佳版本调用memory_update，把其他版本的缺失细节吸收进来；
3. 对冗余条目调用memory_delete。

合并时须遵守四条规则：

• 保留用户对观点与偏好的原话；
• 保留两个版本中的时间锚点；
• 合并结果不超过 50 词；
• 合并后的记忆必须自包含（在其余条目被删除后依然可独立理解）。

3c. 重写低质条目——当记忆需要改进但不属于重复时，调用memory_update提交改进后的文本。触发重写的五种情形：

• 使用第一人称（"I prefer"）而非第三人称（"User prefers"）；
• 时效敏感信息缺少时间锚点；
• 表述模糊且可具体化（"likes python" → "User prefers Python for backend development"）；
• 类别归属错误；
• 超过 50 词且可在不损失信息的前提下压缩。

Phase 4: Report（报告）

全部操作完成后，按固定模板输出总结：

Consolidation complete. - Reviewed: [total count] - Deleted (credentials/secrets): [count] - Deleted (expired/stale): [count] - Merged: [count] groups into [count] memories - Rewritten: [count] - Final count: [total remaining] - Issues found: [any notable problems or observations]

4. 质量目标（Quality Targets）

整合完成后，记忆库应达到以下六项验收标准：

• 含凭据或 secret 的记忆数为0；
• 重复记忆（同一事实的不同措辞）数为0；
• 所有 project 与 operational 记忆带时间锚点（"As of YYYY-MM-DD"）；
• 所有记忆使用第三人称表述；
• 所有记忆类别正确；
• 每条记忆 15–50 词、自包含、原子化（一条记忆只陈述一个事实）。

5. 自动触发：Dream Gate 三门槛与文件锁

SKILL.md 声明"activity 足够后自动触发（可配置）"，其实现完全在 dream-gate.ts 中，状态持久化在插件的 stateDir 下（README 持久化表中对应<pluginStateDir>/dream-state.json），可跨网关重启存活。

5.1 状态结构与默认门槛

interface DreamState { lastConsolidatedAt: number; // 毫秒时间戳，0 = 从未整合 sessionsSince: number; // 上次整合以来的交互会话数 lastSessionId: string | null; } const DEFAULTS: DreamGateConfig = { minHours: 24, // 距上次整合至少 24 小时 minSessions: 5, // 至少 5 个交互会话 minMemories: 20, // 记忆总数至少 20 条 };

（dream-gate.ts）

这三个门槛在 types.ts 的SkillsConfig.dream中全部可配，插件 README 的配置参考表还暴露了skills.dream.enabled与skills.dream.auto两个开关（auto默认true，控制是否按活动门槛自动触发）。

5.2 廉价门槛先行：避免无谓 API 调用

门槛检查刻意分为两级，checkCheapGates()（dream-gate.ts）只做本地文件读取——时间门槛（hoursSince < minHours则拒绝）与会话门槛（sessionsSince < minSessions则拒绝）都从同一个dream-state.json读出；只有廉价门槛通过后才调用provider.getAll()拉取记忆总数，交由checkMemoryGate()（dream-gate.ts）做昂贵的计数检查。index.ts 中的before_prompt_build钩子按此顺序执行："Check CHEAP gates first (local file reads only). Only hit the API for memory count if time + session gates pass."

5.3 锁与完成记录

• 获取锁：acquireDreamLock()（dream-gate.ts）以wx排他标志原子创建dream.lock（内含 pid 与 startedAt），两个进程竞争时只有一个成功；超过1 小时（LOCK_STALE_MS）的陈旧锁会被先清除再竞争，防止崩溃后永久死锁；
• 会话计数：incrementSessionCount()在每次交互回合结束时调用，按 sessionId 去重，同一会话内的多轮不会重复计数；
• 完成记录：recordDreamCompletion()把lastConsolidatedAt置为当前时间并把sessionsSince清零，重置整个计数周期。

5.4 注入、验证与失败回滚

在 index.ts 中，当三门槛与锁全部通过，插件把loadDreamPrompt()生成的完整协议文本包进<auto-dream>标签，通过prependContext注入当轮上下文："Before responding to the user, run a memory consolidation pass. Follow the protocol below, then respond normally."

agent_end钩子（index.ts）随后做了两件事：

1. 仅放行触发会话：dreamSessionId是会话级的，防止其他会话误报完成（"Prevents cross-session false completion"）；
2. 验证真实写入：扫描最后一条 assistant 消息中的工具调用，只有出现memory_add、memory_update、memory_delete三者之一才认定整合成功（memory_list/memory_search等只读操作不算），然后释放锁并recordDreamCompletion()。若本轮失败、或注入了 dream 但模型没执行任何写操作，则只释放锁、不记录完成——下一个符合门槛的回合会重新触发。

整套门控逻辑由 tests/dream-gate.test.ts 覆盖：时间门槛过近拒绝、会话数不足拒绝、双门槛通过、minMemories计数边界、新锁获取（含wx标志断言）、1 小时内新锁拒绝、2 小时陈旧锁回收，以及recordDreamCompletion的计数器重置。

6. 手动触发：openclaw mem0 dream

除自动触发外，README 提供了 CLI 手动入口（cli/commands.ts 中注册）：

# 只查看记忆盘点，不做任何修改 openclaw mem0 dream --dry-run # 生成完整整合提示词 openclaw mem0 dream

实现细节值得注意：

• --dry-run会先调用provider.getAll({ user_id, source: "OPENCLAW" })拉取全量记忆，按metadata.category（回退到categories[0]，再无则记为uncategorized）分类计数并打印清单，然后停止（"Dry run — no changes made."）；
• 非 dry-run 时，命令并不直接改写记忆，而是把loadDreamPrompt()的输出包在<dream-protocol>中、再把全部记忆以<all-memories count="N" user="uid">清单形式拼接，在每条记忆前标注[id] (category, importance, created)，最后追加"Begin consolidation…"指令，整段提示词写到 stdout，并提示"Paste it into an OpenClaw session to run consolidation"——即把协议与数据交给一个带工具调用能力的智能体会话去真正执行 Phase 1–4；
• 所有命令支持--json输出（如openclaw mem0 dream --dry-run --json返回{ ok, count, categories }），便于脚本或上层 agent 消费。

7. 配置参考：skills.dream 与相关开关

dream 相关的配置面（types.ts、README 配置参考）：

典型openclaw.json配置（摘自 README）：

{ "plugins": { "slots": { "memory": "openclaw-mem0" }, "entries": { "openclaw-mem0": { "enabled": true, "config": { "apiKey": "${MEM0_API_KEY}", "userId": "alice", "skills": { "triage": { "enabled": true }, "recall": { "enabled": true }, "dream": { "enabled": true } } } } } } }

从源码结构看，dream 的自动触发还有一条隐含约束：index.ts 中触发条件包含!isSubagent，即子智能体回合不参与自动 dream；会话计数同样只在交互触发（非 heartbeat/cron 等非交互 trigger）时递增——这与协议 3a 阶段要求删除"heartbeat or cron execution records"相呼应：系统既避免把后台任务产生的噪声写入记忆，也避免它们消耗整合名额。

8. 小结

memory-dream展示了 Mem0 OpenClaw 插件"以协议文件驱动 agent 行为"的设计范式：SKILL.md 本身是完整的四阶段操作手册（Orient → Gather Targets → Consolidate → Report），定义了凭据零容忍、TTL 时限（operational 7 天 / project 90 天）、合并规则（≤50 词、第三人称、自包含）与量化报告模板；而 dream-gate.ts 用"廉价门槛先行 + 文件锁 + 写操作验证"三件套，让这份协议可以安全地自动运行——不频繁、不并发、不虚报完成。对运维者而言，需要关注的落盘文件是dream-state.json（整合状态）与dream.lock（并发锁），需要关注的可观测信号是日志中的auto-dream triggered / completed / will retry事件；对开发者而言，扩展清理规则的正确方式是编辑 SKILL.md 的 Phase 规则或经skills.triage.credentialPatterns、skills.categories注入覆盖项，而不是修改门控代码。

【免费下载链接】embedchainThe Memory Layer for AI Agents - Drop-in memory infrastructure for AI agents and apps. Context that persists. Built for production.项目地址: https://gitcode.com/GitHub_Trending/em/embedchain