Uma ferramenta abrangente de gerenciamento de ciclo de vida de schema para organizar, validar e evoluir notas estruturadas em grafos de conhecimento orientados por AI.
Instalar e Baixar
1. ClawHub CLI
A maneira mais rápida de instalar uma habilidade diretamente do registro.
npx clawhub@latest install memory-schema
2. Instalação Manual
Copie a pasta da habilidade para um desses locais
~/.openclaw/skills/ <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-schema 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 Gerenciamento de Memory Schema?
A skill Memory Schema fornece um framework robusto para gerenciar tipos de notas estruturadas usando o sistema Picoschema. Ao definir schemas claros para entidades como reuniões, pessoas e tarefas, os usuários podem garantir que seu sistema de gerenciamento de conhecimento pessoal permaneça uniforme, consultável e altamente organizado. Esta skill é essencial para desenvolvedores e usuários avançados que utilizam Openclaw Skills para construir estruturas de dados complexas e interconectadas onde a consistência é primordial.
Em sua essência, o Memory Schema permite que um agente de AI infira estruturas a partir de conteúdo existente, valide novas entradas em relação a regras predefinidas e detecte desvios à medida que a base de conhecimento evolui. Ao utilizar YAML frontmatter e sintaxe Picoschema, ele cria uma ponte entre notas markdown não estruturadas e um grafo de conhecimento formal, tornando-se a base para recuperação avançada de dados e fluxos de trabalho de agentes.
Casos de uso do Gerenciamento de Memory Schema
- Padronização de tipos de notas emergentes, como decisões de projeto, registros de pesquisa ou perfis de pessoas.
- Validação de que as notas existentes estão em conformidade com os campos e tipos de dados exigidos para evitar a corrupção de dados.
- Detecção de drift de schema quando as notas começam a incluir novos campos que ainda não foram formalizados.
- Gerenciamento da evolução das estruturas de dados através de atualizações de versão de schema conforme os requisitos do projeto mudam.
- Automação da criação de metadados estruturados para uso em ecossistemas mais amplos do Openclaw Skills.
Como o Gerenciamento de Memory Schema funciona
- Analise clusters de notas existentes para identificar estruturas compartilhadas e inferir automaticamente um schema candidato.
- Crie uma nota de definição de schema formal dentro do diretório de schema, especificando campos obrigatórios e opcionais.
- Implemente a sintaxe Picoschema para definir tipos de dados como strings, integers, enums e arrays.
- Execute rotinas de validação para verificar a conformidade das notas e identificar campos ausentes ou tipos incompatíveis.
- Realize análise de drift para encontrar discrepâncias entre o schema definido e o uso real das notas ao longo do tempo.
- Atualize e versione schemas para acomodar novos padrões de dados, mantendo a compatibilidade com versões anteriores.
Configuração do Gerenciamento de Memory Schema
Para configurar um novo schema dentro do framework Openclaw Skills, crie um arquivo markdown em seu diretório de schema. Você pode usar a ferramenta write_note para inicializar a definição.
# Example of creating a schema via the agent
write_note(
title="Meeting",
directory="schema",
note_type="schema",
metadata={
"entity": "Meeting",
"version": 1,
"schema": {
"topic": "string",
"date": "string",
"status(enum)": ["scheduled", "completed"]
}
}
)
Certifique-se de que seu agente tenha as permissões necessárias para ler e escrever no diretório schema\/ para gerenciar o ciclo de vida de forma eficaz.
Esquema de Dados e Taxonomia de Gerenciamento de Memory Schema
O Memory Schema organiza seus metadados usando uma taxonomia clara dentro do YAML frontmatter. Esta estrutura é crítica para a integração com outras Openclaw Skills.
| Property | Type | Description |
|---|---|---|
entity |
String | O nome do tipo de nota que está sendo definido (ex: Task, Person). |
version |
Integer | A versão do schema, incrementada durante mudanças disruptivas. |
schema |
Object | A definição Picoschema mapeando campos para tipos e descrições. |
settings |
Object | Configuração para rigor de validação (ex: warn ou error). |
relations |
Type | Referências diretas a outros tipos de entidade para construir arestas de grafos. |
Recursos avançados do Gerenciamento de Memory Schema
- Inferência de Schema Automatizada: Gere schemas sugeridos analisando o limiar de frequência de campos em conjuntos de notas.
- Mapeamento de Conhecimento Relacional: Defina arestas entre entidades (ex: vinculando uma 'Meeting' a participantes 'Person') diretamente no schema.
- Validação Multi-tipo: Suporte para arrays e enums complexos para garantir entrada de dados de alta fidelidade.
- Detecção de Drift: Identifique campos usados em notas que estão faltando no schema, garantindo que as Openclaw Skills permaneçam atualizadas com os hábitos do usuário.
- Modos de Validação Flexíveis: Alterne entre 'warn' para crescimento orgânico e 'error' para pipelines de dados rigorosos.
SKILL.md
Carregamento
Habilidades relacionadas do Openclaw
Article Rewriter
Um mecanismo de otimização de conteúdo de alto desempenho que usa a estrutura APAG para transformar rascunhos brutos em artigos persuasivos e refinados.
Calculator
Um mecanismo aritmético robusto para realizar cálculos matemáticos determinísticos e avaliação de expressões em várias etapas.
PDFExtract Extrair Texto de PDFs
Um utilitário de extração local que converte documentos PDF complexos em markdown limpo e estruturado para AI agents sem serviços externos.
HiNiHao Tutor de Chinês
HiNiHao é um tutor de mandarim com IA proativo que oferece aulas de chinês personalizadas usando mídia autêntica e conteúdo do mundo real de forma programada.
Shopify Toolkit
Uma referência de desenvolvimento abrangente para construir temas Shopify, aplicativos e lojas headless usando Liquid e GraphQL.
Animal de Estimação Virtual Maine Coon
Uma habilidade sofisticada de animal de estimação virtual para AI Agents adotarem e criarem um gigante gentil Maine Coon através do gerenciamento de recursos em tempo real.
METADATA
Apresentou*
