一种文件优先协议，在每次会话开始时重新加载可信的项目和账户上下文，使 AI 智能体无需反复提问或丢失决策即可继续工作。
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 session-continuity-protocol
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 session-continuity-protocol。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 会话连续性协议（开场四步）？
会话连续性协议是一种 AI 智能体记忆工作流，用于在不同会话、工作区、账户和设备间维持上下文。它强制执行开场四步流程：在开始实质性工作前，读取当前项目索引、账户级 MEMORY.md、本地语义记忆（作为备用），以及最近更新的项目记忆。
作为 Openclaw Skills 协议，它将文件视为已敲定事实的权威来源，并仅将 localmem 用作辅助回忆。这种方法可帮助智能体保留品牌规则、项目状态、发布限制、交付流程和交接细节，同时减少意外返工和重复提问。
会话连续性协议（开场四步） 应用场景
- 在用户尚未说明具体任务前开始新的会话。
- 从另一个工作区、账户、设备或先前对话恢复未完成的工作。
- 用户表示智能体忘记了上下文，或要求继续昨天的工作时作出响应。
- 准备对连续性要求较高的任务，例如官方账号发布、品牌素材制作、解决发布阻碍、交付密钥或审查项目状态。
- 恢复活跃项目列表、RACI 责任归属、交接节点、项目阻碍和已敲定的账户规则。
- 使用
continuity、memory、localmem、cross-session或opening four steps等词触发工作流。 - 在 Openclaw Skills 部署中维持可靠上下文，而不依赖云端记忆服务。
会话连续性协议（开场四步） 工作原理
- 读取全局项目索引。 加载
<your-workspace-root>\/_ACTIVE_PROJECTS.md，以识别活跃项目、RACI 责任归属、阻碍和最新交接节点。 - 读取账户级事实来源。 加载
<memory-root>\/MEMORY.md，恢复不应再次询问的已敲定事实，包括账户身份、模板、视觉识别规则、发布门槛、密钥交付规则和版权惯例。 - 执行备用语义回忆。 在需要更多上下文时，通过
recall_memory或search_memory使用 localmem MCP。将回忆结果限制在约 5–8 条，并将 localmem 视为备用来源，而非权威来源。 - 扫描近期项目记忆。 Glob
<your-workspace-root>\/*\/memory\/MEMORY.md并读取最近修改的项目级文件，尤其是过去 14 天内的记忆。 - 按层级解决冲突。 优先采用文件层级内容——全局索引、账户 MEMORY.md 和项目 MEMORY.md——而非 localmem 语义搜索结果。
- 执行用户请求的任务。 只有在完成开场四步并加载对连续性至关重要的事实后，才开始实质性工作。
- 持久化新的已敲定事实。 先将已确定的决策写入相应文件层级的 MEMORY.md，再存储语义 localmem 种子，并通过
recall_memory验证。 - 验证是否完成。 确认四步均已执行、没有再次询问已敲定事实，并且任何新的持久事实均已保存到文件层和 localmem。
会话连续性协议（开场四步） 配置指南
此技能是一种由提示词驱动的协议，不需要运行时、安装软件包、执行子进程或联网。将 SKILL.md 安装到宿主 AI 智能体或提供给它访问，然后授予其读取所需工作区和记忆文件的权限。
- 创建或确定全局工作区根目录和账户记忆根目录。
- 确保以下文件存在并由智能体维护：
_ACTIVE_PROJECTS.md、账户级MEMORY.md，以及项目级memory\/MEMORY.md文件。 - 如果可使用 localmem，请配置一个共享 SQLite 数据库，以便跨工作区和账户进行回忆：
export LOCALMEM_DB_PATH="<your-workspace-root>\/_localmem_memories.db"
- 保留并备份本地嵌入缓存
<your-workspace-root>\/_localmem_models；已有向量可能仍可离线搜索，但添加新种子取决于该缓存。 - 要求智能体在每次新会话开始前以及执行对连续性要求较高的工作前完成开场四步。无需安装 Python 软件包；若宿主环境使用 Python，文档规定的最低版本为 Python 3.8。
- 不要将 localmem 视为文件层的替代品。新的已敲定事实必须先写入相应的 MEMORY.md 文件，然后才能作为语义种子添加。
- 对 push、发布、发送、上线或部署等外部操作，必须按照该技能的中风险指导要求进行人工审查并获得批准。
会话连续性协议（开场四步） 数据架构与分类体系
该协议将连续性数据组织为权威文件层和可选的语义备用层。
| 层级 | 位置或接口 | 用途 | 权威性 |
|---|---|---|---|
| 全局项目索引 | <workspace-root>\/_ACTIVE_PROJECTS.md |
活跃项目、RACI、阻碍和交接节点 | 主要 |
| 账户记忆 | <memory-root>\/MEMORY.md |
已敲定的账户事实、模板、品牌规则、发布门槛、密钥交付规则和签名 | 主要 |
| 项目记忆 | <workspace-root>\/*\/memory\/MEMORY.md |
特定工作区的决策、铁律和近期项目上下文 | 主要 |
| 语义记忆数据库 | LOCALMEM_DB_PATH 指向 _localmem_memories.db |
跨工作区和账户进行余弦与关键词混合回忆 | 次要 |
| 嵌入模型缓存 | <workspace-root>\/_localmem_models |
添加或查询语义种子所需的离线模型资源 | 运行依赖 |
localmem 种子分类可包含标识符和标签，例如 continuity、publish、SynomosAI、项目指针、品牌与视觉识别、发布门槛、密钥交付、预览问题和运维 SOP。通过 recall_memory 或 search_memory 回忆现有记忆；新的持久事实只有在记录到文件层后，才通过 store_memory 写入。
该技能不会生成单独的输出文件或进程退出代码。其结果是由宿主智能体生成的结构化协议响应、任务交接或评估清单。完成标准要求执行全部开场四步、不再重复询问已敲定事实，并将新敲定的事实同时保存到文件层和 localmem。
会话连续性协议（开场四步） 高级特性
- 强制的有序启动： 在实质性工作前强制执行全部四个上下文加载步骤，减少会话开始时的遗忘。
- 文件优先的来源层级： 通过优先采用
_ACTIVE_PROJECTS.md和 MEMORY.md 文件而非语义回忆，以确定性方式解决冲突。 - 跨工作区记忆： 通过
LOCALMEM_DB_PATH支持共享 SQLite 数据库，以便跨工作区和账户回忆信息。 - 适用于离线环境的检索： 使用 SQLite、FTS5、本地嵌入、余弦相似度和关键词匹配，无需 LLM 或外部 API。
- 备用语义搜索： 支持
recall_memory和search_memory，并将回忆结果控制在约 5–8 条。 - 持久化写入路径： 要求先将新的已敲定事实保存到权威文件层，再写入 localmem 种子并验证。
- 近期上下文扫描： 自动优先处理最近修改的项目 MEMORY.md 文件，包括最近 14 天的项目活动记忆。
- 运维保护措施： 提醒备份
_localmem_models，通过文档化的交付规则保护明文密钥处理，并将记忆准备与会产生外部影响的操作分开。 - 完成标准清单： 验证启动步骤均未遗漏、没有再次询问已敲定事实，并且新决策已正确持久化。
- 低依赖的 Openclaw Skills 设计： 使用提示词接口，无需运行时、网络、子进程或 Python 软件包依赖。
SKILL.md
加载中
Openclaw 相关技能
Skill Admission Gate
Skill Admission Gate 对技能软件包进行静态扫描，以检测常见安全风险，并生成带有可追溯软件包证据的门控判定。
UDI Format Validator
Validate medical device UDI strings for DI format, check-digit accuracy, and production-identifier completeness before registration submission.
PMCF Evaluation Report Completeness Checker
预先检查 PMCF 评估报告的完整性，以便在提交前处理缺失的已采取措施内容或年度周期信息。
Clinical Evaluation Route Picker
Clinical Evaluation Route Picker helps teams assess clinical evaluation routes early and returns a deterministic recommendation with a machine-readable decision code.
UDI Database Submission Compliance Checker
Determine which UDI database to submit to, when to submit, and which fields are required—with structured warnings when information is incomplete.
精选*
