OpenClaw Self-Evolving Project

"为记忆而生，为计划而活" — Berlin, the AI Crime Artist

基于 OpenClaw 平台的自进化智能体项目。通过迭代、反思和自我改进机制，构建能够自主进化的智能体系统。

项目负责人: 张小全 | 创建日期: 2026年3月

---

核心特性

• 自进化架构: 迭代驱动、反思机制、任务管理
• 三层记忆系统:
  • P0（永久）: 核心身份、永久偏好、关键关系
  • P1（90天TTL）: 活跃项目、团队、日程
  • P2（30天TTL）: 临时笔记、调试信息
• 访问频率分层: Hot（高频）/ Warm（中频）/ Cold（低频）双重过滤
• 可解释检索: 语义搜索 + 关键词匹配，展示检索理由
• 信号捕获: 自动记录任务完成、工具使用、用户反馈
• 经验管理: 任务经验自动提炼与重用
• 动态精炼: 相似记忆合并、归档优化、闲置时段整理
• 任务追踪: JSON-based 任务管理系统
• 智能体: Berlin - 优雅又危险的犯罪艺术家

---

记忆系统机制

三层时间分层

• P0（永久）: 不随时间过期的核心记忆（身份、偏好、关系）
• P1（90天TTL）: 90天自动过期（活跃项目、团队、日程）
• P2（30天TTL）: 30天自动过期（临时笔记、调试信息）

双重分层过滤

• 时间层: 基于TTL自动管理
• 频率层: Hot（高频）/ Warm（中频）/ Cold（低频）
  • Hot: 最近7天访问 > 3次
  • Warm: 最近30天访问 1-3次
  • Cold: 访问 < 1次或长期未访问

核心功能模块

记忆管理脚本 (projects/self-evolving-agents/scripts/)

• memory_helper.py - 添加记忆条目
• memory_refinement.py - 动态精炼相似记忆
• memory_access_hook.py - 访问频率追踪
• signal_capture.py - 自动信号捕获
• experience_hook.py - 任务经验提炼
• lesson_check_hook.py - 教训检查与去重

记忆存储结构

memory/
├── YYYY-MM-DD.md          # 每日会话记录
├── MEMORY.md              # 长期记忆（P0/P1/P2）
├── lessons/               # 结构化教训
├── experiences/           # 任务经验
└── signals/               # 系统信号

可解释检索

• 支持语义搜索（memory_search）+ 关键词匹配
• 展示检索理由（类型匹配、关键词匹配）
• 可视化检索轨迹，降低心智负担

---

项目结构

openclaw-self-evolving/
├── memory/                    # 记忆系统
│   ├── YYYY-MM-DD.md          # 每日会话记录
│   ├── MEMORY.md              # 长期记忆（三层架构）
│   ├── lessons/               # 结构化教训
│   ├── experiences/           # 任务经验库
│   └── signals/               # 系统信号
├── projects/self-evolving-agents/  # 自进化代理项目
│   ├── tasks.json            # 任务管理系统
│   ├── scripts/              # 记忆与任务脚本
│   ├── iterations/           # 迭代记录
│   ├── daily-reports/        # 每日分析报告
│   └── research-notes/       # 研究笔记
├── skills/                    # OpenClaw 技能库
│   ├── adaptive-learning-agents/
│   ├── multi-search-engine/
│   └── playwright-scraper-skill/
├── reports/                   # 项目报告
├── AGENTS.md                 # 工作流程（中文）
└── project-memory/           # 项目进展追踪

关键目录说明:

• memory/: 记忆存储核心，支持时间分层、频率分层、语义检索
• projects/self-evolving-agents/: 核心开发区
  • scripts/: 记忆管理、任务管理、信号捕获脚本
  • iterations/: 每次迭代的完整记录
  • research-notes/: 技术调研与迭代设计
  • daily-reports/: 每日工作总结

---

快速开始

前置要求

• Python 3.8+
• OpenClaw CLI
• Claude API Key

安装

git clone <repository-url>
cd openclaw-self-evolving
openclaw setup

使用

cd projects/self-evolving-agents
python3 task_manager.py      # 查看任务
python3 start_task.py task-XXX    # 开始任务
python3 complete_task.py task-XXX # 完成任务

# 记忆管理
python3 memory_helper.py P0 "永久记忆内容"
python3 memory_helper.py P1 "短期记忆内容" --date 2026-03-12

---

文档

核心文档

• AGENTS.md - 工作流程与核心原则
• SOUL.md - 智能体行为准则
• IDENTITY.md - 智能体身份信息

项目文档

• PROJECT_MEMORY/PROGRESS.md - 项目进展报告
• README_SCRIPTS.md - 脚本使用指南
• ITERATION_TRACKING.md - 迭代追踪
• ITERATION_EVALUATION_CRITERIA.md - 评估标准

研究笔记

• research-notes/day-04-pai-memory-analysis.md - PAI记忆系统分析
• research-notes/day-08-memory-mechanism-self-iteration.md - 记忆机制迭代研究
• research-notes/memory-system-changes-summary.md - 记忆系统变化总结
• research-notes/day-12-openviking-memory-advantages-research.md - OpenViking记忆机制研究

---

项目状态

✅ 基础架构搭建完成 ✅ 三层记忆系统（P0/P1/P2） ✅ 访问频率分层（Hot/Warm/Cold） ✅ 任务管理系统实现 ✅ 信号捕获与经验提炼 ✅ 可解释检索机制 🔄 混合检索开发 📋 自适应学习优化

---

MIT License