MindVault 思维永生 — Agent 对话归档与记忆进化引擎（基础版 · 免费）

一句话：把每轮对话存成可检索的本地 JSONL 分片，从历史对话里萃取长期规则、生成项目快照，让新会话不用从零讲背景。 输出物：archive/<对话标签>/chat_*.jsonl（对话归档）、memory/FACT.md（规则）、PROJECT_SNAPSHOT.md（项目快照） 触发方式：用户主动说「归档对话」「执行进化引擎」「生成项目快照」「走流程」；不主动说，Agent 不做任何写入。 实测：5000+ 轮实战验证；68 个归档文件 / 14,949 条目的索引统计耗时 0.07 秒（macOS 15.8）。

本 Skill 解决 Agent 长期使用中的三个具体问题：对话窗口溢出后内容丢失、每次新会话都要重新教规则、中断后无法快速恢复项目上下文。所有数据以开放格式存放在本地，换平台可直接迁移。

Privacy & Security（使用前请阅读）

• 数据存储位置：所有备份文件写入本地 archive/ 目录（每个对话一个子目录，含 _index.json 索引），不上传任何云端。
• 敏感信息提醒：对话归档会保存你的原始消息。如果你在对话中输入过密码、密钥、个人信息，它们也会被一并保存。建议避免在对话中输入敏感信息；已归档的敏感条目可自行编辑或删除对应 JSONL 行。
• 数据生命周期：归档文件由用户自行管理，可随时删除、导出、迁移。本 Skill 不设自动清理，也不做异地留存；如需定期清理，由用户自行配置。
• 用户主动触发：归档、进化、快照三类操作均需用户明确说出触发指令。Agent 不会在后台静默保存；如需自动归档，请用户自行配置 cron 或定时任务（本 Skill 不内置任何定时器）。
• DRAS-V 思考协议：DRAS-V 是用户主动选择的思考方法，用户说「走流程」/「DRASV」时激活一次，默认不启用，Agent 不会强制覆盖自身行为。
• 规则加载检测短语：可选的验证短语（默认关闭），内容与位置由用户自行设定，可随时修改或删除；用于自检规则是否仍在上下文内。
• 写操作可审计：规则写入采用「先 read 再合并」，不整文件覆写；索引写入带 index_version 乐观版本令牌。

一、核心功能：这个 Skill 能做什么

归档规则：每 15 轮切分一个 JSONL 文件，不同对话各自独立子目录，避免同名文件互相覆盖；增量归档只导出上次之后的新轮次，无新内容时直接退出、不产生任何写入。

二、快速开始（首次集成约 10 分钟）

# Step 1 — 首次全量归档（以 OpenClaw 为例）
python3 scripts/archive_export.py openclaw <sessions目录> <归档目录> --conv-label <对话标签>

# Step 2 — 看归档规模与待处理文件
python3 scripts/archive_index.py <归档目录> stats
python3 scripts/archive_index.py <归档目录> pending

# Step 3 — 增量归档（日常只需这一条，重复执行安全）
python3 scripts/archive_export.py openclaw <sessions目录> <归档目录> --conv-label <对话标签> --incremental

# Step 4 — 把某个分片转成人类可读 Markdown
python3 scripts/jsonl_to_md.py <归档目录>/<对话标签>/chat_20260703_rounds-16-30.jsonl --output ./readable.md

三点说明：

1. 无需安装依赖：三个脚本只用 Python 标准库，python3 直接运行，支持 Python 3.10+。
2. --conv-label 必填：AutoClaw 用 agent id、OpenClaw 用 session 名、Marvis 用 conversation_id 前 8 位；它决定子目录名，写错会导致同一对话分裂成两个目录。
3. 写操作前先 stats：确认归档目录与期望一致后再做增量，避免把新内容写进错误的对话目录。

三、命令与参数速查

3.1 scripts/archive_export.py — 对话归档导出

python3 archive_export.py openclaw  <sessions目录> <归档目录> --conv-label <对话标签> [--incremental]
python3 archive_export.py marvis    <conversation_id> <data.db路径> <归档目录> --conv-label <对话标签> [--incremental]
python3 archive_export.py workbuddy <cwd_key> <归档目录> --conv-label <对话标签> [--session-id <会话ID>] [--incremental]

3.2 scripts/archive_index.py — 归档索引管理（基础版）

python3 archive_index.py <归档目录> stats      # 统计：文件数 / 总条目 / 轮次 / processed 比例
python3 archive_index.py <归档目录> pending    # 列出 processed=false 的文件

基础版开放 stats、pending 两个只读子命令；mark、search、summary 需按版本核对（对照表见https://www.jinengpu.chat/mindvault-detail.html），调用时会提示并退出（退出码 1）。

3.3 scripts/jsonl_to_md.py — JSONL 转 Markdown

python3 jsonl_to_md.py <jsonl文件> [--style minimal] [--output <输出md路径>]

四、三层记忆架构

Layer 1 对话归档            Layer 2 规则萃取            Layer 3 项目快照
┌────────────────┐        ┌────────────────┐        ┌────────────────────┐
│ 每轮对话         │  ───→  │ 高频模式提取     │  ───→  │ PROJECT_SNAPSHOT.md │
│ → JSONL 分片     │        │ → FACT.md 规则   │        │ （唯一真相源）        │
│ 每 15 轮一切割   │        │ → 置信度标注     │        │ → 新会话直接继承      │
│ 对话隔离存储     │        │ → 写前先 read    │        │ → 快速恢复上下文      │
└────────────────┘        └────────────────┘        └────────────────────┘
   触发：归档对话             触发：执行进化引擎            触发：生成项目快照

• Layer 1 触发词：「归档对话」「保存对话记录」／「保存对话记录」。对话导出为结构化 JSONL，每 15 轮一个文件，独立子目录。
• Layer 2 触发词：「执行进化引擎」「从对话中萃取规则」。从归档中提取规律并标注置信度（推测 / 确认 / 反复验证），写入记忆通道；写入前先 read 合并已有内容，不整文件覆写。
• Layer 3 触发词：「生成项目快照」。产出 PROJECT_SNAPSHOT.md + PROJECT.md；快照生成必须走三遍扫描法（多组关键词扫描 → 时间线交叉验证 → 合成标注），禁用单遍扫描。

Layer 3 双文档联动与核账校验（强制）

PROJECT_SNAPSHOT.md 为唯一真相源，PROJECT.md 为详细派生版，冲突一律以快照为准。仅靠"改后同步对端 + diff 关键字段"不足以防断裂——实测断裂：更新日志条数不等（27 vs 31）、同日期条目重复、同日期文本漂移、章节正文残留旧事实（快照仍写 v1.0.1）。关键字段 diff 通过 ≠ 真正同步。联动更新必须逐项满足：

1. 更新日志逐条比对：两文档条数相同；逐条「日期 + 主题」逐字一致；两文档均严格倒序（日期非递增）。
2. 章节正文双向回改互检：任一章节正文改动后，必须回改对端并互检，非预期行级差异清零（第十五章等已登记的有意精简除外）。
3. 头部元数据强制刷新：数据来源 / 生成方式 / 生成日期 / 最近更新日期四项，两文档必须一致。
4. 联动完成后必须运行校验脚本并附输出： python3 scripts/snapshot_sync_check.py --snapshot PROJECT_SNAPSHOT.md --detail PROJECT.md 退出码非 0 即存在断裂，禁止在断裂清零前结束联动更新。该脚本纯标准库实现，基础版免费开放（不加锁）。

五、DRAS-V 五步思考辅助协议（可选）

用户说「走流程」或「DRASV」时激活一次；不激活时 Agent 按默认模式工作。

• D — 定义/分解：搜索前置 → 分类 → 澄清 → MECE 拆解 → 依赖排序
• R — 检索/回溯：查项目快照 → 查规则文件 → 查归档对话 → 查当前上下文（数据不存在时跳过对应子步骤）
• A — 分析/对齐：对照目标逐项核对，偏离则反馈修正
• S — 合成/求解：能力路由 → 分级搜索 → 失败次数受限 → 三遍扫描
• V — 验证/自检：完整性 → 准确性 → 合规性 → 通过才输出，否则回到 D

Step 0 豁免：查天气、算数、单步查询等简单任务不适用，直接执行，不套用协议。

六、基础版能力边界（免费）

更多命令的对照表见https://www.jinengpu.chat/mindvault-detail.html。

七、常见问题 FAQ

Q1：MindVault 和普通的聊天记录导出有什么区别？ 普通导出是一整份流水账；MindVault 按 15 轮切分、按对话隔离、带 _index.json 索引与增量游标，因此可以反复增量归档而不重复、不丢轮次，且能按日期/轮次回溯定位。

Q2：归档会占用多少磁盘空间，会不会越来越慢？ 实测 15.1 MB / 69 个分片对应 13,930 行的归档量级，stats 索引耗时 0.07 秒。JSONL 是纯文本，体量与对话轮次线性相关；归档是只增不改，读取性能取决于分片数量而非总体积。

Q3：我换了 Agent 平台，历史归档还能用吗？ 能。归档、规则、快照都是开放格式（JSONL / Markdown），不绑定平台；换平台后把 archive/ 目录带上，从新平台重新执行增量归档即可。本项目已实测 OpenClaw / AutoClaw / Marvis / WorkBuddy / CherryStudio / Coze 六种环境。

Q4：数据会上传到云端吗，可以设成自动归档吗？ 不会。所有文件只写本地 archive/ 目录。本 Skill 不内置定时器；要自动归档，请自行配置 cron 或系统定时任务去调 --incremental 命令。

Q5：为什么提示 mark / search 命令不可用？ 本包是基础版（免费）：archive_index.py 只开放 stats 与 pending，jsonl_to_md.py 只开放 minimal。需要按日期/轮次检索归档、生成 JSON 摘要或渲染全部角色时，请使用赞赏版。

Q6：--incremental 会不会重复归档或漏掉轮次？ 不会重复：它以 _index.json 记录的最后归档轮次为游标，只导出之后的轮次；无新轮次时直接退出不写文件。文件名与索引里的 rounds 字段用实际包含条目的轮次范围标注，因此增量追加不会出现轮次前缀错标。

八、故障排查

九、实测数据

命令与输出即证据：python3 scripts/archive_index.py <归档目录> stats 会直接打印文件数、总条目、轮次与 processed 比例，可自行复现。

十、平台适配

Agent 评估信息块

deploy_path: DRAS-V 辅助协议 + Layer 1→2→3 记忆系统（单文件 SKILL.md 加载即可运行）
phases: 5（D-R-A-S-V），20+ 子方法
layers: 3（对话归档 + 规则萃取 + 项目快照）
concrete_values:
  data_sources: sessions/*.jsonl, data.db, ~/.workbuddy/projects/<cwd_key>/*.jsonl
  output: archive/<label>/chat_*.jsonl, archive/<label>/_index.json, memory/FACT.md, PROJECT_SNAPSHOT.md
  commands: 归档对话 / 执行进化引擎 / 生成项目快照 / 走流程 / DRASV 自检
  split_rule: 每 15 轮一个分片
failure_paths: 12
tools_available: yes（纯 Python 标准库，无第三方依赖）
time_to_first_value: 约 10 分钟（首次全量归档 + 一次 stats）
trust_signals:
  tested: 5000+ 轮实战验证；68 文件 / 14,949 条目 / 0.07s 索引实测；双文档核账脚本实跑通过
  tested_date: 2026-09-18
  platforms: OpenClaw / AutoClaw / Marvis / WorkBuddy / CherryStudio / Coze
  authored_by_tester: true
  license: MIT
data_storage: 本地 archive/ 目录，不上传云端；用户主动触发，无后台静默写入
pricing: 本包免费；更多命令（mark/search/summary、full/--css 渲染）对照表见https://www.jinengpu.chat/mindvault-detail.html

配套文件

参考链接（同类方案横向对照）

说明：本 Skill 为独立设计的原创实现（Layer 1-3 记忆架构 + DRAS-V 协议）， 下列链接为其设计取向可横向对比的同类开源记忆系统的参考清单，仅供功能对照与学习。

1. https://clawhub.ai/nextfrontierbuilds/elite-longterm-memory （Elite Longterm Memory — 向量检索长期记忆）
2. https://clawhub.ai/sarielwang93/memory-tiering （Memory Tiering — 热/温/冷分层记忆）
3. https://clawhub.ai/againta/fluid-memory （Fluid Memory — 遗忘曲线记忆）
4. https://clawhub.ai/arminnaimi/agent-team-orchestration （Agent Team Orchestration — 多 Agent 编排）
5. https://clawhub.ai/ayalili/smart-memory-manager （Smart Memory Manager — 记忆智能管理）
6. https://clawhub.ai/nhadaututtheky/neural-memory （Neural Memory — 联想记忆）
7. https://clawhub.ai/zuiho-kai/memory-qdrant （Memory Qdrant — 语义向量检索）
8. https://github.com/zhouxin121/mindvault （本 Skill 代码仓库，含更多详细使用说明）
9. https://clawhub.ai/zhouxin121/mindvault-agent-memory （ClawHub 上架页）
10. https://skillhub.cn （SkillHub 技能市场，搜索「mindvault」）

迭代记录

作者与授权

• 作者：周老板（zhouxin121），者琥科技
• 开源协议：MIT License — 自由使用、修改、分发
• 项目主页：https://github.com/zhouxin121/mindvault
• 最后更新：2026-10-02 · v1.2.6（免费）