Ein strukturiertes Markdown-Framework zur Erstellung von AI-fähigen Wissensgraphen durch kategorisierte Beobachtungen und verknüpfte Beziehungen.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install memory-notes
2. Manuelle Installation
Kopiere den Skill-Ordner an einen dieser Orte
~/.openclaw/skills/ <project>/skills/ Priorität: Workspace > Lokal > Integriert (Bundled)
3. Prompt-Installation
Kopiere diesen Prompt in OpenClaw, um ihn automatisch zu installieren.
Hilf mir, memory-notes über Clawhub zu installieren. Falls Clawhub nicht installiert ist, installiere es bitte zuerst (npm i -g clawhub).
Lieber herunterladen?
Hole dir die rohen Skill-Dateien in einem ZIP-Archiv.
Was ist Memory Notes?
Memory Notes ist eine technische Spezifikation zur Erstellung gut strukturierter Markdown-Dateien, die ein AI-Agent in einen durchsuchbaren Wissensgraphen parsen kann. Es geht über einfache Textdateien hinaus, indem es ein Schema erzwingt, das YAML frontmatter, reichen Prosa-Kontext, semantische Beobachtungen und typisierte Beziehungen umfasst. Dieser Ansatz stellt sicher, dass Informationen nicht nur gespeichert werden, sondern programmatisch auffindbar und kontextuell verknüpft sind.
Als Teil des Openclaw Skills-Ökosystems ermöglicht dieser Skill Entwicklern den Aufbau einer persistenten Speicherebene für ihre AI-Agenten. Durch die Verwendung einer spezifischen Syntax für Fakten und Verbindungen kann der Agent komplexe Themen durchlaufen, sich an spezifische Designentscheidungen erinnern und die Herkunft von Projektanforderungen durch eine anspruchsvolle graphbasierte Architektur verstehen.
Memory Notes Anwendungsfälle
- Dokumentation technischer Architektur-Entscheidungen und der damit verbundenen Kompromisse für die Team-Transparenz.
- Aufbau eines persönlichen Wissensmanagementsystems, das eine AI abfragen kann, um während Codierungssitzungen Kontext bereitzustellen.
- Verfolgung von Projektmeilensteinen und deren Verknüpfung mit spezifischen Aufgaben, Personen und Anforderungen.
- Erstellung eines zentralen Repositorys für Forschungsnotizen, in dem semantische Links helfen, nicht offensichtliche Verbindungen zwischen Themen zu identifizieren.
So funktioniert Memory Notes
- Der Prozess beginnt mit der Definition einer Notiz mit YAML frontmatter, wobei ein eindeutiger Titel und durchsuchbare Tags festgelegt werden.
- Entwickler schreiben substanzielle Prosa im Hauptteil, um das 'Warum' hinter den Informationen zu liefern, was die semantische Suche unterstützt.
- Wichtige Fakten werden im Abschnitt Observations unter Verwendung der Syntax
[category] contentdestilliert, wodurch sie zu atomaren Wissenseinheiten werden. - Notizen werden im Abschnitt Relations mithilfe von Wiki-Links miteinander verknüpft, um gerichtete Kanten im Wissensgraphen zu bilden.
- AI-Agenten verwenden Tools wie search_notes oder build_context, um über stabile memory URLs und Wildcard-Muster durch diese Notizen zu navigieren.
Memory Notes Einrichtung
Um Memory Notes in Ihrer Umgebung zu verwenden, stellen Sie sicher, dass Ihr AI-Agent Zugriff auf das Basic Memory Toolset hat. Sie können Ihre erste Notiz mit der folgenden Befehlsstruktur erstellen:
# Example of creating a note via a CLI-integrated tool
write_note --title "Project Alpha" --tags "internal,docs" --content "# Project Alpha\n\nDetails here..."
Notizen wird automatisch ein Permalink basierend auf ihrem Titel zugewiesen, wodurch sie sofort nach der Erstellung über memory:// URLs adressiert werden können.
Memory Notes Datenschema & Taxonomie
Der Memory Notes Skill organisiert Daten in einer konsistenten vierteiligen Struktur innerhalb jeder Markdown-Datei:
| Komponente | Zweck | Format |
|---|---|---|
| Frontmatter | Metadaten & Identität | YAML-Blöcke mit title, tags und type. |
| Body | Kontextuelle Prosa | Freiform-Markdown einschließlich Headern und Beschreibungen. |
| Observations | Atomare Fakten | Ungeordnete Liste mit -[category] content #tag. |
| Relations | Graph-Verbindungen | Ungeordnete Liste mit type [[Target Title]]. |
Alle Notizen sind über das Memory-URL-Schema (z. B. memory://directory/note-title) adressierbar, was einen stabilen Identifikator bietet, der auch dann bestehen bleibt, wenn die physische Datei verschoben wird.
Memory Notes Erweiterte Funktionen
- Wildcard-Abfragen: Verwenden Sie Muster wie
memory://docs/*, um Kontext aus ganzen Verzeichnissen gleichzeitig zu sammeln. - Semantische Kategorisierung: Erfinden Sie benutzerdefinierte Kategorien für Beobachtungen, um eine präzise Suche zu ermöglichen, wie z. B.
search_notes("[decision]"). - Relationale Traversierung: Folgen Sie Links zwischen Notizen programmatisch, um ein umfassendes Kontextfenster für das LLM aufzubauen.
- Inkrementelle Graph-Updates: Führen Sie gezielte Bearbeitungen an spezifischen Abschnitten wie Observations oder Relations durch, ohne das gesamte Dokument neu zu schreiben.
SKILL.md
Laden
Verwandte Openclaw-Skills
Memory Lifecycle
Ein spezialisierter Skill zur Verwaltung von Entitätsstatus-Übergängen und Wissensarchivierung innerhalb des Gedächtnissystems eines AI Agent.
AMiner Akademische Datensuche
Ein umfassendes Toolkit für akademische Forschung, das die AMiner Open Platform nutzt, um Wissenschaftler, Artikel, Institutionen und Patente zu analysieren.
SearXNG Web Search
Ein auf Privatsphäre ausgerichteter Metasuch-Skill, der Ergebnisse von mehreren Suchmaschinen über die SearXNG HTTP API für AI-Agenten aggregiert.
Truncus Email
Ein leistungsstarker Transaktions-E-Mail-Skill für die Zustellung programmatischer Warnungen, Berichte und Benachrichtigungen mit deterministischer Zuverlässigkeit.
PharmaClaw Toxikologie-Agent
Ein prädiktiver Toxikologie-Agent, der unter Verwendung von RDKit Moleküldeskriptoren ein tiefes Wirkstoffsicherheitsprofiling und eine Risikoklassifizierung durchführt.
Pharmaclaw Cheminformatics
Ein professioneller Cheminformatik-Agent für die 3D-Konformer-Generierung, das Pharmakophor-Mapping und die retrosynthetische Fragmentierung.
Hervorgehoben*
