一个 AI 对话效率分析工具，用于追踪 Claude 和 Cursor 等平台的成本、会话 KPI 和使用模式。
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 memory-forge
2. 手动安装
将技能文件夹复制到以下位置之一
~/.openclaw/skills/ <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 memory-forge。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 Memory Forge？
Memory Forge 是一款专门的分析工具，旨在深入洞察您与大语言模型的交互。通过分析来自 Claude、ChatGPT 和 Cursor 等平台的本地对话历史，它使开发者能够了解其使用模式并优化支出。作为 Openclaw Skills 生态系统的一部分，该工具充当诊断层，将原始会话数据转换为可操作的报告。
Memory Forge 专注于隐私和效率，在本地处理所有数据，以确保敏感的对话日志保持安全。无论您是管理个人 API 成本还是优化团队级 AI 工作流，它都能提供所需指标，以便针对如何与 AI 代理交互做出数据驱动的决策。
Memory Forge 应用场景
- 追踪不同 AI 模型和项目的 API 消耗成本。
- 识别开发者对话中高频、低效的使用模式。
- 分析特定项目的参与度和主题分布。
- 生成每周效率报告以监控 AI 生产力趋势。
- 诊断高成本对话会话以寻找优化机会。
Memory Forge 工作原理
- 该技能识别存储在本地目录（如 ~/.claude/projects/）中的对话数据。
- 基于 Python 的分析脚本解析 JSONL 对话文件，以提取会话、轮次和 token 使用情况。
- 系统根据特定的模型定价和使用时长计算成本明细。
- 生成结构化统计数据，涵盖 KPI、每周趋势和每个项目的分布。
- 代理提供一份诊断报告，并包含提高交互效率的可操作建议。
Memory Forge 配置指南
要开始使用 Openclaw Skills 的这一组件，请确保脚本在您的本地环境中可访问。使用以下命令初始化并运行分析：
# 运行带有每周趋势的标准统计脚本
python3 ~/memory-forge/skill/scripts/analyze.py --weekly
# 针对特定项目过滤分析
python3 ~/memory-forge/skill/scripts/analyze.py --project "my-project"
# 如果需要，安装完整的可视化套件
pip install memory-forge[all]
mforge init
mforge run
Memory Forge 数据架构与分类体系
Memory Forge 将其分析组织成结构化格式，以便于解释 AI 使用数据。输出包括：
| 数据组件 | 描述 |
|---|---|
| summary | 高层级 KPI，包括总会话数、成本和活跃天数。 |
| weekly | 最近 4-8 周的对比统计，用于识别趋势。 |
| projects | 每个独立项目的成本和会话计数细分。 |
| models | 按特定 LLM 模型分类的使用统计（例如 Claude 3.5 Sonnet）。 |
| cost_breakdown | 不同供应商支出的详细拆分。 |
Memory Forge 高级特性
- 用于细粒度预算管理的多模型成本追踪。
- 本地优先的处理架构，确保零数据泄露至外部服务器。
- 具有自动周同比变化检测的每周趋势报告。
- 使用 topics.json 和提取的决策文件进行主题级洞察的深度分析钩子。
- 通过 mforge serve 命令进行完整仪表板集成，以获取可视化使用图表。
SKILL.md
加载中
Openclaw 相关技能
Steve Krug UX Audit
使用 Steve Krug 的《Don't Make Me Think》方法论对任何网站或 Web 应用进行全面的可用性审计。
精选*
