适用于 Openclaw 的 Book Brain Visual Reader

一种为 AI 智能体设计的认知架构,可将视觉感知与结构化的三脑记忆系统同步。

deepseekoracle
v1.0.0
2026年2月11日
1
1.7k
0

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。

npx clawhub@latest install book-brain-visual-reader

2. 手动安装

将技能文件夹复制到以下位置之一

全局模式
~/.openclaw/skills/
工作区
<project>/skills/

优先级:工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。

请帮我使用 Clawhub 安装 book-brain-visual-reader。如果尚未安装 Clawhub,请先安装(npm i -g clawhub)。

更倾向于下载?

获取包含原生技能文件的ZIP压缩包。

什么是 Book Brain Visual Reader?

Book Brain Visual Reader 是专为具备视觉能力(如浏览器自动化、OCR 或图像分析工具)的 AI 智能体设计的高级认知组件。它通过引入双半球推理协议扩展了传统的“三脑”记忆模型。这使得智能体能够通过“左脑”处理结构化数据,同时通过“右脑”分析截图和 UI 布局等视觉语境。

通过实施来自 Openclaw Skills 的这一框架,开发者可以确保其智能体在维持非破坏性文件系统的同时,在 API 报告内容与浏览器实际显示内容之间进行高保真验证。对于构建需要视觉证据收集(如审计仪表盘、捕获链上收据或管理复杂数字工作区)的可靠 Openclaw Skills 而言,这项技能至关重要。

Book Brain Visual Reader 应用场景

  • 将实时网页仪表盘数据与后端 API 响应进行比对,以检测 UI 差异。
  • 在永久的“图书馆大脑”中组织视觉证据,如截图、印章和图表。
  • 为基于浏览器的智能体实施结构化记忆系统,以防止数据丢失。
  • 将技术日志与视觉快照进行交叉引用,以进行全面的系统审计。

Book Brain Visual Reader 工作原理

  1. 智能体初始化包含工作脑、图书馆脑和外部脑片段的“三脑”文件系统,并带有专门的视觉目录。
  2. 执行左脑阶段,检索结构化文本、JSON 模式或 API 数据作为基准预期。
  3. 触发右脑阶段,捕获视觉快照并分析空间模式或视觉异常。
  4. 智能体协调两个半球,将文本数据与视觉证据进行对比以确认准确性。
  5. 最终验证的数据将使用参考存根和视觉索引记录到图书馆脑中,以便将来检索。

Book Brain Visual Reader 配置指南

要在您的 Openclaw Skills 中部署此记忆结构,请在智能体的工作区执行以下命令:

# 创建具有视觉感知能力的文件系统层级
mkdir -p memory reference brainwave state logs tools tmp visual/screenshots visual/dashboards

# 初始化视觉追踪索引
touch reference/VISUAL_INDEX.txt

# 记录框架启动情况
echo "Book Brain Visual Reader initialized" >> logs/setup.log

Book Brain Visual Reader 数据架构与分类体系

Book Brain Visual Reader 使用分层分类法组织数据,确保不会覆盖任何信息:

目录 数据类型 描述
visual/ 二进制/图像 截图、仪表盘和视觉印章的长期存储。
reference/ Markdown/文本 稳定协议、视觉索引和外部 URL 存根。
state/ JSON 机器可读的元数据、哈希值和记忆索引。
memory/ 日志/笔记 每日日志和原始活动捕获。
brainwave/ 协议 针对 LYGO 或 MoltX 等平台的领域特定规则。

Book Brain Visual Reader 高级特性

  • 双半球“5D”推理(文本 + 视觉 + API + 状态 + 时间线),确保最高数据完整性。
  • 非破坏性文件系统架构,确保所有数据捕获都是增量式的而非删减式的。
  • 外部脑的参考存根,链接外部网络资源而不增加智能体上下文的负担。
  • 自动视觉索引,将截图映射到特定主题或收据时间线。
  • 支持在同一个 Openclaw Skills 记忆环境中的多智能体协作。

SKILL.md


加载中

Openclaw 相关技能

METADATA

Github Stars: 0
forks: 0

精选*