--- name: smart-memory description: > 5-layer memory architecture for OpenClaw agents. Solves context bloat, the 48h fogging problem, and rule amnesia. Works for single-agent and multi-agent setups. Agent reads this file and sets up the full system. metadata: openclaw: emoji: 🧠 --- # Smart Memory — Setup Skill ## Was dieses Skill tut Standard-OpenClaw-Setups akkumulieren über Wochen unkontrolliert Wissen in MEMORY.md. Das führt zu Kontextfenster-Überlastung, Widersprüchen und einem Agenten der wichtige Regeln "vergisst" obwohl sie in MEMORY.md stehen — und zu hartem 48h-Fogging bei Daily Logs. Dieses Skill richtet eine **5-Schichten-Memory-Architektur** ein die das löst. --- ## AGENT: Setup-Anleitung Gehe die folgenden Schritte der Reihe nach durch. `[MULTI-AGENT ONLY]`-Schritte können übersprungen werden wenn nur ein Agent im System ist. ### Schritt 1: Verzeichnisse anlegen ```bash mkdir -p memory/projects mkdir -p memory/agents # [MULTI-AGENT ONLY] mkdir -p docs ``` ### Schritt 2: MEMORY.md auf Kern reduzieren Lese die bestehende MEMORY.md. Extrahiere: - User-Profil (max. 3 Zeilen) - Projekt-Headlines (1 Zeile pro Projekt) → Verweis auf CONTEXT.md - Kritische Regeln (max. 5 Bullet Points) - Agent-Routing-Tabelle [MULTI-AGENT ONLY] Alles andere gehört in active-context.md oder die Projekt-/Agent-Kontext-Dateien (s.u.). Schreibe das Ergebnis in MEMORY.md — Ziel: max. 35 Zeilen. Füge am Ende hinzu: ``` ## Memory-Architektur - active-context.md → offene Themen + Kontext (täglich pflegen) - memory/projects//CONTEXT.md → Projekthandbücher (on-demand injizieren) - memory/agents/.md → Domain-Wissen (on-demand injizieren) [MULTI-AGENT ONLY] - ⚠️ Schreib-Pflicht: Strukturelle Änderungen → active-context.md SOFORT updaten (Session kann jederzeit enden) ``` ### Schritt 3: active-context.md erstellen Erstelle `memory/active-context.md` mit folgendem Header: ```markdown # Active Context # Pflege-Regel: [DONE]-Einträge wöchentlich entfernen (automatisch via Cron/Heartbeat). # Jeder Eintrag: Status + inhaltlicher Kontext (was der User erklärt hat). # Nach Erledigung: gesamten Block löschen. # Größenbremse: > 100 Zeilen = zu viele offene Themen oder zu geschwätzig → kürzen. --- ``` Befülle die Datei mit allem was aktuell offen ist (aus MEMORY.md, Tages-Logs, Kontext). Format pro Eintrag: ```markdown ## [OPEN] — --- ``` Besonders wichtig: Kritische Regeln die oft vergessen werden → als `[OPEN]`-Block aufnehmen (auch wenn sie "immer" gelten — das ist der Punkt, sie bleiben sichtbar bis sie wirklich verinnerlicht sind). ### Schritt 4: Projekthandbücher anlegen Für jedes aktive Projekt: `memory/projects//CONTEXT.md` Extrahiere alle projektspezifischen Details aus MEMORY.md in diese Datei. Template: `templates/projects/example/CONTEXT.md` in diesem Skill-Ordner. **Wann updaten:** > ⚠️ **Kritisch:** "Am Ende des Tasks" ist ein Anti-Pattern — Sessions können jederzeit durch > Rate-Limits oder Crashes enden. Die korrekte Anweisung ist: **CONTEXT.md SOFORT nach der > Aktion updaten, in derselben Antwort.** Kein nachgelagerter Schritt. ### Schritt 5: Agent-Domain-Wissen anlegen [MULTI-AGENT ONLY] Für jeden Sub-Agent-Typ: `memory/agents/.md` Enthält cross-project Wissen das für diesen Agent-Typ immer gilt. Templates: `templates/agents/` in diesem Skill-Ordner. **Abgrenzung:** - `memory/agents/coding.md`: "GPT erfindet Swift-Typen → nie GPT für Swift-Code" - `memory/projects/myapp/CONTEXT.md`: "myapp hat zwei .strings-Dateien die synchron bleiben müssen" Wenn das Wissen beim nächsten Projekt auch gilt → agents/. Sonst → projects/. **Task-Summary-Pflicht für Sub-Agents:** Jeder Sub-Agent sendet nach Abschluss eine Summary an den Orchestrator: ``` sessions_send(sessionKey="agent:main", message="[SUMMARY] Projekt: X | Was: Y | Status: Z") ``` Zweck: Orchestrator-Heartbeat kann als Backup-Bestätigung prüfen ob CONTEXT.md-Update erfolgte. ### Schritt 6: AGENTS.md Startup-Sequenz updaten Ersetze die "Every Session"-Sektion durch: ```markdown ## Every Session Before doing anything else: 1. Read `SOUL.md` — this is who you are 2. Read `USER.md` — this is who you're helping 3. **If in MAIN SESSION:** Read `MEMORY.md` + `memory/active-context.md` 4. Read `memory/YYYY-MM-DD.md` (today + yesterday) for recent raw context **Sub-Agent Spawns [MULTI-AGENT ONLY]:** Injiziere in den Task-Prompt: - Immer: Inhalt von `memory/agents/.md` - Bei Projektarbeit: Inhalt von `memory/projects//CONTEXT.md` ``` ### Schritt 7: Automatischen Cleanup + Backup einrichten **Option A — Heartbeat (einfach):** Füge in `HEARTBEAT.md` ein: ``` # TASK: Memory-Hygiene (wöchentlich, jeden Sonntag) # Prüfe ob seit letztem Cleanup > 6 Tage vergangen (heartbeat-state.json). # 1. Entferne alle [DONE]-Blöcke komplett aus memory/active-context.md # 2. [OPEN]-Blöcke älter 30 Tage ohne Aktivität → in Tages-Log, aus active-context entfernen # 3. memory/projects/*/CONTEXT.md — erledigte Tasks kürzen # 4. lastMemoryCleanup Timestamp in memory/heartbeat-state.json schreiben # TASK: Sub-Agent Memory Backup (bei JEDEM Heartbeat) [MULTI-AGENT ONLY] # Sicherheitsnetz falls Sub-Agent CONTEXT.md-Sofortschreiben vergessen hat. # 1. Lese letzten Sub-Agent-Output-Channel auf Abschluss-Posts # 2. Prüfe ob strukturelle Änderungen in CONTEXT.md reflektiert sind # 3. Falls NICHT → kompakten Eintrag ergänzen (was, wann, Commit/Status) # TASK: Daily-Log automatisch schreiben (einmal täglich, abends) # Prüfe ob memory/YYYY-MM-DD.md für heute existiert. # Wenn NICHT: Lese memory/chat-YYYY-MM-DD.md → destilliere strukturelle Änderungen. # Schreibe Ergebnis nach memory/YYYY-MM-DD.md (max. 30 Zeilen). ``` **Option B — Cron-Job (präzise):** ``` Schedule: 0 7 * * 0 (Sonntag 07:00 Ortszeit) Message: "Wöchentliche Memory-Hygiene: [Cleanup-Anweisungen wie oben]" ``` ### Schritt 8: Abschlusskontrolle Prüfe jedes Kriterium: - [ ] MEMORY.md < 40 Zeilen - [ ] active-context.md erstellt, mindestens ein [OPEN]-Eintrag - [ ] Jeder [OPEN]-Eintrag hat inhaltlichen Kontext, nicht nur Statuszeile - [ ] Keine projektspezifischen Details mehr in MEMORY.md - [ ] Wöchentlicher Cleanup aktiv (Heartbeat oder Cron) - [ ] AGENTS.md Startup-Sequenz updated - [ ] Für jedes aktive Projekt: CONTEXT.md angelegt [MULTI-AGENT ONLY] - [ ] Für jeden Sub-Agent-Typ: agents/.md angelegt [MULTI-AGENT ONLY] Berichte dem User kurz: Was wurde eingerichtet, wie viele Zeilen hat MEMORY.md jetzt, wie viele offene Themen sind in active-context.md. --- ## Session-Lifecycle: Graceful Termination (v1.3+) > **Das Session-Bloat-Problem:** Channel-Sessions (Slack, Discord etc.) wachsen unbegrenzt. > Ab ~500 Zeilen wird jede Antwort spürbar langsamer — die gesamte History wird bei jeder > Nachricht in den Kontext geladen. Ein harter Trim mitten im Gespräch löscht aber Kontext, > Sprache und Persona sofort. Beides ist lösbar — ohne Script, ohne sichtbaren Output im Chat. **Goldene Regel 1 — Immer Memory schreiben lassen, bevor du trimmst oder killst:** Bevor eine Session getrimmt oder gelöscht wird, muss der Agent die Möglichkeit haben, seinen Kontext in das Memory-System zu schreiben. Das gilt für manuelle Aktionen genauso wie für automatische Heartbeat-Tasks. Der Hash-Handshake-Flow (s.u.) ist die technische Umsetzung dieser Regel. **Goldene Regel 2:** Niemals eine Channel-Session direkt trimmen oder löschen. Immer den Hash-Handshake-Flow verwenden. Kein separates Script nötig — der Heartbeat-LLM führt den Flow direkt aus. ### Warum der Flow unsichtbar ist Channel-Sessions (z.B. Slack) leiten jede Antwort an den Chat weiter. Sobald man aber `NO_REPLY` als einzigen Inhalt der Antwort vorgibt, unterdrückt OpenClaw den Output vollständig — nichts landet im Kanal. Der Hash in `active-context.md` dient als Out-of-Band-Bestätigung ohne Chat-Output. ### Der Hash-Handshake-Flow 1. Heartbeat prüft `sessions.json` → alle Keys mit `:channel:` **ohne** `:thread:` 2. Für jede Session **> 500 Zeilen** UND **> 2h inaktiv** (`updatedAt`): - Generiere einmaligen Hash: `TRIM_READY_<4 random chars>` (z.B. `TRIM_READY_a3f8`) - `sessions_send(sessionKey=, timeoutSeconds=90, message="[WARTUNG] Schreibe jetzt alle offenen Themen und wichtigen Kontext in memory/active-context.md. Füge danach exakt diese Zeile am Ende ein: TRIM_HASH: . Antworte ausschließlich mit NO_REPLY.")` - Lese `memory/active-context.md` → suche nach `TRIM_HASH: ` - **Hash gefunden:** Sicher trimmen (s.u.) + `TRIM_HASH:`-Zeile entfernen + Log: `TRIMMED` - **Hash nicht gefunden (Timeout):** Trotzdem trimmen + Log: `FORCE-TRIM` > **Warum Force-Trim nach Timeout OK ist:** Eine Session die 90s nicht reagiert, ist > faktisch eingefroren. Wichtige Infos stehen bereits in active-context.md aus > früheren Saves. Der Schaden durch dauerhaft aufgeblähte Sessions überwiegt. **⚠️ Thread-Sessions niemals trimmen:** Keys mit `:thread:` enthalten laufende Unterhaltungs-Threads und müssen von der Trim-Logik ausgeschlossen werden. ### ⚠️ Sicheres Trimmen: Nie mitten in einem Tool-Call schneiden `tail -60` kann mitten in einem Tool-Call-Block landen (toolUse ohne nachfolgendes toolResult, oder toolResult ohne nachfolgende Assistenten-Antwort). Das hinterlässt die Session in einem **ungültigen Zustand** — der Agent schweigt danach komplett. **Pflicht: Immer auf einer vollständigen Assistenten-Antwort abschneiden.** ```python import json def safe_trim(session_file, keep_lines=60): lines = open(session_file).readlines() if len(lines) <= keep_lines: return # Nichts zu tun # Kandidaten-Startpunkte: nur Zeilen wo role=assistant und kein toolUse candidates = [] for i, line in enumerate(lines): try: msg = json.loads(line).get('message', {}) if msg.get('role') != 'assistant': continue content = msg.get('content', []) # Nur wenn keine toolCall-Blöcke in der Antwort if not any(c.get('type') == 'toolCall' for c in content if isinstance(c, dict)): candidates.append(i) except: continue # Letzten Kandidaten der noch >= keep_lines vom Ende entfernt ist cutpoint = None for i in reversed(candidates): if len(lines) - i >= keep_lines: cutpoint = i break if cutpoint is None: cutpoint = max(0, len(lines) - keep_lines) with open(session_file, 'w') as f: f.writelines(lines[cutpoint:]) ``` Dieses Skript sicherstellen dass der Trim immer nach einer abgeschlossenen Assistenten-Antwort beginnt — nie mitten in einem Tool-Austausch. ### Heartbeat-Task-Template (direkt in HEARTBEAT.md einfügen) ``` # TASK: Auto-Trim große Channel-Sessions (bei JEDEM Heartbeat) # [INSTRUCTION for LLM]: # 1. Lese /.openclaw/agents/main/sessions/sessions.json # 2. Finde alle Keys die ":channel:" enthalten UND KEIN ":thread:" haben # 3. Für jeden solchen Key: prüfe Zeilenanzahl der sessionFile (wc -l) # 4. Wenn > 500 Zeilen UND updatedAt > 2h her: # a. Generiere Hash: TRIM_READY_<4 random chars> # b. sessions_send(sessionKey=, timeoutSeconds=90, # message="[WARTUNG] Schreibe jetzt alle offenen Themen und wichtigen Kontext # in memory/active-context.md. Füge danach exakt diese Zeile am Ende ein: # TRIM_HASH: # Antworte ausschließlich mit NO_REPLY.") # c. Lese memory/active-context.md → suche nach "TRIM_HASH: " # d. Hash gefunden: # - tail -60 > /tmp/trim.jsonl && mv /tmp/trim.jsonl # - Entferne TRIM_HASH-Zeile aus active-context.md # - Log: " | | TRIMMED" → memory/trim-log.txt # e. Hash nicht gefunden (Timeout): # - tail -60 > /tmp/trim.jsonl && mv /tmp/trim.jsonl # - Log: " | | FORCE-TRIM" → memory/trim-log.txt ``` ### Pflicht-Ergänzung in AGENTS.md ```markdown ## Session-Management (Harte Regel, keine Ausnahmen) NIEMALS eine Channel-Session direkt löschen oder trimmen. Immer den Hash-Handshake-Flow via Heartbeat verwenden (siehe smart-memory Skill). Thread-Sessions (:thread: im Key) sind grundsätzlich ausgenommen. ``` --- ## Neue Agents: Memory-System als Standard **Jeder neue Agent bekommt das Memory-System — mit einer Ausnahme:** | Agent-Typ | Memory-System? | |-----------|---------------| | Haupt-Agent (Orchestrator) | ✅ Pflicht — vollständige 5-Schichten-Architektur | | Persistente Sub-Agents (eigene Channels, lange Laufzeit) | ✅ Pflicht — mindestens active-context.md | | Reine Task-Sub-Agents (begrenzte Aufgabe, Kontext aus Prompt) | ❌ Nicht nötig — Kontext kommt vom Orchestrator | **Erkennungsmerkmal für "reine Task-Sub-Agents":** - Werden für einen einzelnen, klar begrenzten Task gespawnt - Erhalten ihren gesamten Kontext im Task-Prompt vom Haupt-Agent - Haben keinen eigenen persistenten Channel - Schreiben ihr Ergebnis zurück an den Orchestrator (Summary via sessions_send) **Erkennungsmerkmal für "persistente Sub-Agents":** - Haben einen eigenen Slack-/Discord-Channel - Werden wiederholt für ähnliche Tasks genutzt - Akkumulieren über Zeit domänenspezifisches Wissen > Faustregel: Wenn ein Agent Gespräche führt oder wiederholtes Wissen aufbaut → Memory. > Wenn ein Agent einen einzigen Task abarbeitet und dann fertig ist → kein Memory nötig. --- ## Tägliche Schreib-Regeln (nach Setup) | Situation | Aktion | |-----------|--------| | User erklärt etwas Wichtiges | → `[OPEN]`-Block in active-context.md mit vollem Kontext | | Strukturelle Änderung (Channel, Projekt, Regel) | → active-context.md **SOFORT in derselben Antwort** | | Technische Erkenntnis bei Coding | → CONTEXT.md **SOFORT** (nicht am Task-Ende) | | Cross-project Lesson | → memory/agents/.md updaten | | Sub-Agent Task abgeschlossen [MULTI-AGENT] | → CONTEXT.md sofort + Summary an Orchestrator | | Thema abgeschlossen | → `[DONE]` markieren (Cleanup entfernt Block) | | MEMORY.md nähert sich 40 Zeilen | → destillieren: Was ist wirklich dauerhaft relevant? | | active-context.md > 100 Zeilen | → Warnsignal: Einträge kürzen oder klären | > **Goldene Regel:** Schreiben ist Teil der Aktion, nicht ein nachgelagerter Schritt. > Sessions enden unvorhersehbar. Was nicht sofort geschrieben wird, ist verloren. --- ## Warum das funktioniert **Das Fogging-Problem:** In Standard-Setups gibt es nur Daily Logs (heute + gestern). Was vor 3 Tagen besprochen wurde, ist weg. Der User muss alles neu erklären. **Die Lösung:** active-context.md schreibt Relevanz, nicht Zeit. Ein offenes Thema bleibt im Kontext bis es erledigt ist — egal wie lange das dauert. Nach Erledigung fliegt es raus. Kein unkontrolliertes Aufblähen, weil erledigte Themen aktiv entfernt werden. **Das Rauschen-Problem:** MEMORY.md wächst über Monate auf hunderte Zeilen. Der Agent sieht alles gleichzeitig — Swift-Lektionen neben Marketing-Strategie neben Cron-IDs. Alles konkurriert um Aufmerksamkeit. Regeln werden "vergessen" weil sie im Rauschen untergehen. **Die Lösung:** Jede Schicht hat einen klar begrenzten Scope. Projektdetails sind nicht im Orchestrator-Kontext — sie werden on-demand in Sub-Agent-Prompts injiziert wenn sie gebraucht werden. Kein Rauschen, keine Ablenkung. **Das Session-Crash-Problem (neu in v1.1):** "Am Ende der Session schreiben" versagt wenn Sessions durch Rate-Limits oder Crashes enden. Die Lösung: Schreiben ist Teil der Aktion selbst — sofort, inline, bevor die Antwort gesendet wird. Der Heartbeat ist das Backup-Netz, nicht der Primary-Trigger.

Smart Memory

Description

Latest Changes

Install Smart Memory with One Click