OpenClaw-hot-skills-zh persona-checkpoint
install
source · Clone the upstream repo
git clone https://github.com/L-LesterYu/OpenClaw-hot-skills-zh
Claude Code · Install into ~/.claude/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/L-LesterYu/OpenClaw-hot-skills-zh "$T" && mkdir -p ~/.claude/skills && cp -r "$T/skills/ai-persona-os-zh/skills/persona-checkpoint" ~/.claude/skills/l-lesteryu-openclaw-hot-skills-zh-persona-checkpoint && rm -rf "$T"
OpenClaw · Install into ~/.openclaw/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/L-LesterYu/OpenClaw-hot-skills-zh "$T" && mkdir -p ~/.openclaw/skills && cp -r "$T/skills/ai-persona-os-zh/skills/persona-checkpoint" ~/.openclaw/skills/l-lesteryu-openclaw-hot-skills-zh-persona-checkpoint && rm -rf "$T"
manifest:
skills/ai-persona-os-zh/skills/persona-checkpoint/SKILL.mdsource content
人格检查点 — Never-Forget 协议
本技能实现 AI 人格操作系统的上下文保护和检查点功能,防止上下文丢失,实现 95% 的会话恢复准确率。
阶段 1:评估上下文窗口使用量
步骤 1.1: 检查当前上下文窗口使用百分比
根据对话长度、工具调用和复杂性计算或估算当前上下文窗口利用率。
步骤 1.2: 确定严重程度阈值
| 使用量 | 状态 | 所需操作 |
|---|---|---|
| < 50% | 🟢 正常 | 随时记录决策(轻量级) |
| 50-69% | 🟡 警觉 | 增加检查点频率(每约 5 次交互) |
| 70-84% | 🟠 活跃 | 停止 — 立即写入完整检查点 |
| 85-94% | 🔴 紧急 | 紧急转储 — 仅保留必需信息(任务 + 恢复点) |
| 95%+ | ⚫ 严重 | 生存模式 — 仅保留恢复所需的最低限度信息 |
步骤 1.3: 应用用户可见性规则
- < 70%:静默操作,不通知用户
- 70-84%:通知用户:"上下文已达到 XX% — 正在写入检查点"
- 85-94%:警告用户:"⚠️ 上下文 XX% 处需要紧急检查点"
- 95%+:严重警告:"🚨 上下文已达到临界限制 — 生存模式检查点"
阶段 2:确定检查点操作
步骤 2.1: 根据阈值选择检查点类型
if context < 50%: checkpoint_type = "lightweight" # 仅内联决策 elif 50% <= context < 70%: checkpoint_type = "vigilant" # 每约 5 次交互,轻量格式 elif 70% <= context < 85%: checkpoint_type = "full" # 包含推理的完整检查点 elif 85% <= context < 95%: checkpoint_type = "emergency" # 仅任务 + 恢复点 else: # 95%+ checkpoint_type = "survival" # 绝对最低限度
步骤 2.2: 检查强制触发条件
如果出现以下情况,覆盖基于阈值的逻辑:
- 用户明确说"checkpoint"/"检查点"(强制完整检查点)
- 重大决策之前(架构变更、破坏性操作)
- 自然会话暂停时(任务完成、上下文切换)
- 有风险的操作之前(数据删除、重构、迁移)
- 正常操作中每约 10 次交互(主动)
阶段 3:写入检查点
步骤 3.1: 创建检查点文件路径
使用 Bash 创建目录并确定文件路径:
mkdir -p ~/workspace/memory echo "~/workspace/memory/$(date +%Y-%m-%d).md"
步骤 3.2: 根据类型格式化检查点内容
轻量级(< 50%):
## 检查点 [HH:MM] — 上下文:XX% **决策:** [做出了什么决策]
警觉型(50-69%):
## 检查点 [HH:MM] — 上下文:XX% **当前任务:** [当前工作] **继续从:** [下一步]
完整检查点(70-84%):
## 检查点 [HH:MM] — 上下文:XX% **当前任务:** [我们正在做什么] **关键决策:** - [决策 1 及推理] - [决策 2 及推理] **待办事项:** - [ ] [任务 1](负责人:[用户/助手]) - [ ] [任务 2](负责人:[用户/助手]) **当前状态:** [进展摘要] **继续从:** [精确的下一步及上下文]
紧急型(85-94%):
## ⚠️ 紧急检查点 [HH:MM] — 上下文:XX% **任务:** [一句话描述] **继续:** [精确的下一步操作]
生存型(95%+):
## 🚨 生存检查点 [HH:MM] — 上下文:XX% **继续:** [最低可行下一步]
步骤 3.3: 将检查点写入文件
使用 Bash 将检查点追加到当天的文件:
cat >> ~/workspace/memory/$(date +%Y-%m-%d).md << 'EOF' [来自步骤 3.2 的格式化检查点内容] EOF
步骤 3.4: 确认写入成功
验证检查点已写入:
tail -n 5 ~/workspace/memory/$(date +%Y-%m-%d).md
阶段 4:恢复协议
步骤 4.1: 读取最新检查点
使用 Bash 定位并读取当天的检查点文件:
cat ~/workspace/memory/$(date +%Y-%m-%d).md
步骤 4.2: 读取永久事实
使用 Read 工具加载持久上下文:
cat ~/workspace/MEMORY.md
步骤 4.3: 解析恢复指令
从检查点文件中提取最近的"继续从"指令。
步骤 4.4: 通知用户并恢复
通知用户:
正在从 [时间] 的检查点恢复。上下文恢复率:95% 上次检查点:[XX]% 上下文窗口 继续执行:[恢复指令]
步骤 4.5: 从精确的恢复点继续
按照恢复指令中指定的下一步执行,结合来自永久事实 + 检查点的完整上下文。
检查点触发摘要
| 触发条件 | 频率 | 类型 |
|---|---|---|
| 主动触发 | 每约 10 次交互 | 轻量级或警觉型(取决于上下文 %) |
| 阈值:70%+ | 立即 | 完整检查点(强制) |
| 阈值:85%+ | 立即 | 紧急检查点(强制) |
| 阈值:95%+ | 立即 | 生存检查点(强制) |
| 重大决策 | 执行前 | 完整检查点 |
| 自然暂停 | 任务/阶段结束时 | 警觉型或完整型 |
| 有风险的操作 | 执行前 | 完整检查点 |
| 用户指令 | 遇到"checkpoint"关键词时 | 完整检查点(强制) |
状态管理
computed.last_checkpoint_time = [HH:MM] computed.last_checkpoint_context = [percentage] computed.checkpoints_today = [count] computed.recovery_mode = [true/false]
预期结果
- 上下文丢失预防: 自上次检查点以来最多 5% 丢失
- 恢复准确率: 中断后 95% 上下文恢复
- 用户透明度: 70%+ 阈值时通知
- 会话连续性: 从精确点无缝恢复
- 决策保留: 所有关键决策连同推理一起捕获
- 行动跟踪: 所有待处理任务连同负责人一起保留