Memory Forge para Openclaw

Um analisador de eficiência de conversas de AI que rastreia custos, KPIs de sessão e padrões de uso em plataformas como Claude e Cursor.

melody1015
v1.0.1
Mar 18, 2026
0
1.1k
0

Instalar e Baixar

1. ClawHub CLI

A maneira mais rápida de instalar uma habilidade diretamente do registro.

npx clawhub@latest install memory-forge

2. Instalação Manual

Copie a pasta da habilidade para um desses locais

Global
~/.openclaw/skills/
Espaço de trabalho
<project>/skills/

Prioridade: Espaço de Trabalho > Local > Integrado

3. Instalação do Prompt

Copie este prompt para o OpenClaw para instalá-lo automaticamente.

Ajude-me a instalar o memory-forge usando o Clawhub. Se o Clawhub não estiver instalado, instale-o primeiro (npm i -g clawhub).

Prefere baixar?

Obtenha os arquivos originais da habilidade em um arquivo ZIP.

O que é Memory Forge?

O Memory Forge é uma ferramenta de análise especializada projetada para fornecer insights profundos sobre suas interações com Modelos de Linguagem de Grande Escala. Ao analisar o histórico de conversas local de plataformas como Claude, ChatGPT e Cursor, ele capacita os desenvolvedores a entender seus padrões de uso e otimizar seus gastos. Como parte do ecossistema Openclaw Skills, esta ferramenta atua como uma camada de diagnóstico, transformando dados brutos de sessão em relatórios acionáveis.

O Memory Forge foca em privacidade e eficiência, processando todos os dados localmente para garantir que os logs de conversas sensíveis permaneçam seguros. Esteja você gerenciando custos pessoais de API ou otimizando fluxos de trabalho de AI em nível de equipe, ele fornece as métricas necessárias para tomar decisões baseadas em dados sobre como você interage com agentes de AI.

Casos de uso do Memory Forge

  • Rastreamento de custos de consumo de API em diferentes modelos de AI e projetos.
  • Identificação de padrões de uso de alta frequência e baixa eficiência em conversas de desenvolvedores.
  • Análise de engajamento específico do projeto e distribuição de tópicos.
  • Geração de relatórios semanais de eficiência para monitorar tendências de produtividade de AI.
  • Diagnóstico de sessões de conversa caras para oportunidades de otimização.

Como o Memory Forge funciona

  1. A skill identifica dados de conversa armazenados localmente em diretórios como ~/.claude/projects/.
  2. Um script de análise baseado em Python analisa arquivos de conversa JSONL para extrair sessões, turnos e uso de token.
  3. O sistema calcula detalhamentos de custos com base na precificação específica do modelo e na duração do uso.
  4. Estatísticas estruturadas são geradas, cobrindo KPIs, tendências semanais e distribuições por projeto.
  5. O agente fornece um relatório de diagnóstico com recomendações acionáveis para melhorar a eficiência da interação.

Configuração do Memory Forge

Para começar com este componente do Openclaw Skills, certifique-se de que os scripts estejam acessíveis em seu ambiente local. Use os seguintes comandos para inicializar e executar a análise:

# Execute o script de estatísticas padrão com tendências semanais
python3 ~/memory-forge/skill/scripts/analyze.py --weekly

# Filtrar análise para um projeto específico
python3 ~/memory-forge/skill/scripts/analyze.py --project "my-project"

# Instale a suíte de visualização completa, se necessário
pip install memory-forge[all]
mforge init
mforge run

Esquema de Dados e Taxonomia de Memory Forge

O Memory Forge organiza suas análises em formatos estruturados para facilitar a interpretação dos dados de uso de AI. A saída inclui:

Componente de Dados Descrição
summary KPIs de alto nível, incluindo total de sessões, custo e dias ativos.
weekly Estatísticas comparativas das últimas 4 a 8 semanas para identificar tendências.
projects Um detalhamento de custos e contagem de sessões por projeto individual.
models Estatísticas de uso categorizadas por modelos de LLM específicos (ex: Claude 3.5 Sonnet).
cost_breakdown Divisão detalhada de gastos entre diferentes provedores.

Recursos avançados do Memory Forge

  • Rastreamento de custos multimodelos para gerenciamento granular de orçamento.
  • Arquitetura de processamento local-first garantindo zero vazamento de dados para servidores externos.
  • Relatórios de tendências semanais com detecção automática de mudanças semana a semana.
  • Hooks de análise profunda para insights em nível de tópico usando topics.json e arquivos de decisão extraídos.
  • Integração total do dashboard via comando mforge serve para gráficos de uso visual.

SKILL.md


Carregamento

Habilidades relacionadas do Openclaw

METADATA

Github Stars: 0
forks: 0

Apresentou*