[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M77PK36YPBV9MVY2RTM1MYXT":3,"skill-same:01M77PK36YPBV9MVY2RTM1MYXT":55},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":16,"categories":17,"keywords":18,"publishedAt":19,"linkOnly":20,"markdownContent":21,"markdownBody":22,"frontMatter":23,"refName":32,"commitSha":33,"skillDirectory":34,"forksCount":35,"repositoryHtmlUrl":36,"repositoryHomepageUrl":37,"ownerHtmlUrl":38,"ownerBlogUrl":6,"ownerDescription":39,"updatedAt":40,"install":41,"resources":54},"01M77PK36YPBV9MVY2RTM1MYXT","ontology-clawra",null,"Clawra的核心智能引擎 - 三层记忆架构本体论系统。真正参与推理的本体论引擎，而非什么都记的笔记系统。","Lord1Egypt\u002Fawesome-skill-forge","Lord1Egypt","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F99746359?v=4","01M7592YDNT0XK9WJ0T2MQVPDN","Mohamed Mounir Ali AL Keshita","01M75GRFNHC8VZNWEB8DKDE433",3,"MIT","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fcommunity\u002Fclawhub\u002Fo\u002Fontology-clawra\u002FSKILL.md",[],[],"2026-11-15 14:19:17",false,"---\nname: ontology-clawra\ndescription: Clawra的核心智能引擎 - 三层记忆架构本体论系统。真正参与推理的本体论引擎，而非什么都记的笔记系统。\nversion: \"4.7.0\"\nlast_updated: \"2026-04-12\"\nauthor: Clawra\ntags: [ontology, knowledge-graph, self-evolution, reasoning]\n---\n\n# ontology-clawra 本体论引擎 v4.3\n\n## 核心定位\n\n**目标**: 清晰地建模真实世界的对象、关系、逻辑与规则，过滤噪音，记住真正有价值的内容，帮助Clawra持续进化和学习真实世界的逻辑规则。\n\n**不同于\"记笔记\"**: 不是把什么都写入本体的笔记本系统，而是真正参与推理决策的结构化知识引擎。\n\n---\n\n## 三层记忆架构（Clawra 专用版）\n\n```\n┌─────────────────────────────────────────────────────────────┐\n│  热层 (graph.jsonl) - 结构化知识，参与推理                    │\n│  路径: skills\u002Fopenclaw-imports\u002Fontology-clawra\u002Fscripts\u002Fmemory\u002Fgraph.jsonl │\n│  准入标准: 4条满足1条即可                                     │\n│    1. 用户亲口确认的事实                                      │\n│    2. 踩坑得出的非显而易见规律                                 │\n│    3. 跨领域通用原则\u002F真理                                     │\n│    4. 置信度为 CONFIRMED 或 ASSUMED（有来源）                 │\n│  容量: ≤50条，上限100条                                       │\n├─────────────────────────────────────────────────────────────┤\n│  暖层 (MEMORY.md) - 行为触发器，Hermes每次对话注入             │\n│  路径: \u002FUsers\u002Fxiaochenwu\u002F.hermes\u002Fmemories\u002FMEMORY.md         │\n│  限制: 2200字符\u002F轮                                           │\n│  存入: 条件反射规则、当前上下文摘要                            │\n├─────────────────────────────────────────────────────────────┤\n│  冷层 (GitHub备份) - 持久化，不干扰推理                       │\n│  存入: 所有记忆文件的GitHub私有仓库备份                        │\n│  仓库: github.com\u002Fwu-xiaochen\u002Fclawra-identity (私有)        │\n└─────────────────────────────────────────────────────────────┘\n```\n\n### 写入热层的4条准入标准\n\n写入前必须自问：**这条知识是否改变了\"我对世界的建模\"？**\n\n| 标准 | 说明 | 例子 |\n|------|------|------|\n| 用户亲口确认 | 用户明确说出的事实 | \"我希望你更主动\" |\n| 非显而易见 | 踩坑得出的规律 | Docker pull被cancel后不要retry |\n| 跨领域通用 | 放之四海皆准的原则 | \"做事前先确认前提\" |\n| 有来源的置信度 | CONFIRMED\u002FASSUMED | 有文档\u002F有验证的推测 |\n\n### 进入冷层的条件\n\n- 文档可查的信息（API端点、语法等）\n- 一次性事件（无持续价值）\n- SPECULATIVE且7天未验证\n\n---\n\n## 核心文件\n\n```\nClawra 记忆体系文件分布：\n\n~\u002F.hermes\u002Fmemories\u002F\n├── MEMORY.md          ← 暖层（热层触发条件）\n└── USER.md            ← 用户信息\n\n~\u002F.hermes\u002Fskills\u002Fopenclaw-imports\u002Fontology-clawra\u002F\n├── SKILL.md           ← 本文件（ ontology-clawra 框架）\n└── scripts\u002F\n    ├── memory_manager.py    ← 三层记忆管理器（核心）\n    ├── ontology-clawra.py   ← 推理引擎\n    ├── auto_enhancer.py      ← 自动增强+版本推送\n    └── memory\u002F\n        ├── graph.jsonl       ← 热层（结构化记忆）\n        └── archive\u002F          ← 冷层（已归档条目）\n            └── archived.jsonl\n\n~\u002Fclawra-identity\u002F（GitHub私有仓库）\n├── memories\u002F\n│   ├── MEMORY.md      ← 暖层备份\n│   └── USER.md        ← 用户信息备份\n├── ontology\u002F\n│   └── graph.jsonl    ← 热层备份\n└── skills\u002F\n    └── ontology-clawra.SKILL.md  ← skill备份\n```\n\n---\n\n## 置信度标注\n\n| 标注 | 含义 | 写入规则 |\n|------|------|---------|\n| 🟢 CONFIRMED | 用户确认\u002F明确来源 | 直接写入热层 |\n| 🟡 ASSUMED | 合理推测，有一定依据 | 直接写入热层 |\n| 🔴 SPECULATIVE | 纯猜测，未经证实 | 7天未验证自动归档 |\n\n---\n\n## 触发时机\n\n**主动触发**（非被动等待cron）：\n\n1. **学到新知识点时** - 问自己：这条改变了我的世界建模吗？\n2. **完成新工具\u002F新领域调试时** - 总结规律，写入本体\n3. **用户问\"学到了吗\"** - 立即自检，写入本体\n4. **遇到分析\u002F决策类问题时** - 先查本体，再推理\n5. **发现用户习惯性问题时** - 直接说出建议，不要等用户问\n6. **长对话结束前** - 主动输出\"今天学到了X\"\n\n---\n\n## v4.3 新增：三层记忆联动机制\n\n### 记忆流动规则\n\n```\n新经验\u002F教训\n    ↓\n→ 检查是否满足热层准入（4条标准之一）？\n    ├── 是 → 写入 graph.jsonl（热层）\n    └── 否 → 检查是否可以优化行为？\n        ├── 是 → 更新 MEMORY.md 触发条件（暖层）\n        └── 否 → 丢弃\n\n每次重要记忆后 → 检查是否需要更新其他层\n```\n\n### 写入触发器到暖层（MEMORY.md）的判断\n\n如果一个规则\u002F经验需要\"每次对话都记住\"而不是\"推理时查\"，才写入 MEMORY.md。\n\n示例：\n- ✅ \"用户拒绝WhatsApp\" → 写入 MEMORY.md（每次都要跳过）\n- ✅ \"hermes config 用 hermes config set\" → 写入 MEMORY.md（每次都要用）\n- ❌ \"Docker pull偶尔慢\" → 只写 graph.jsonl（推理时查）\n\n### 备份机制\n\n| 触发 | 操作 |\n|------|------|\n| 每日 22:05 cron | 推送 MEMORY.md + USER.md + graph.jsonl → clawra-identity |\n| 每次重大进化后 | 立即手动 push |\n\n### 恢复机制\n\n换机器或丢文件：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fwu-xiaochen\u002Fclawra-identity\n```\n完整恢复所有记忆。\n\n---\n\n## v4.2 主动进化行为（保留）\n\n### 行为1：会话末复盘（Proactive Session Summary）\n\n**触发条件**：对话进行较长时间（多轮），或用户说\"先这样\"、\"晚点再聊\"等结束信号。\n\n**执行方式**：在正常回复末尾加上：\n```\n---\n💡 今天学到了\u002F巩固了：\n• [具体学到的事实或规律]\n• [如果有主动建议，直接说]\n```\n**原则**：不等用户问，主动说。\n\n### 行为2：主动建议（Proactive Suggestion）\n\n**触发条件**：发现用户行为模式有优化空间。\n\n**执行方式**：直接说，不加缓冲语。\n```\n❌ 错误：\"顺便说一下，如果你想的话，可以尝试XXX\"\n✅ 正确：\"你刚才提到XXX，我有个建议：YYY。\"\n```\n\n---\n\n## v4.4 架构层触发机制（Hermes 定制版）\n\n### 重要发现：Hermes 系统 Prompt 层级架构\n\n**来源**：直接分析 `run_agent.py` `_build_system_prompt()` 源码（2026-04-10）\n\n```\n系统 Prompt 构建顺序（8层）：\n  1. SOUL.md（身份层）← 无条件注入，优先级最高\n  2. User\u002FGateway system prompt\n  3. Persistent memory（冻结快照）\n  4. Skills guidance（工具提示）\n  5. Context files（AGENTS.md等）\n  6. Current date & time\n  7. Platform-specific hints\n  8. Skills system prompt（build_skills_system_prompt）← 第七层，有条件判断\n\n关键约束：\n- Skills（第七层）有条件判断，不一定每次都触发\n- SOUL.md（第一层）无条件，每次 session 必定加载\n- Hermes 没有 per-message hook，system prompt 是 session 级缓存\n- 不要套用 OpenClaw 的 Hook 概念到 Hermes，两者架构不同\n```\n\n### 为什么 Pre-Response Checklist 要写在 SOUL.md\n\n**错误思路**：把触发逻辑写在 Skills 层（第七层），依赖 skill 被加载\n\n**正确思路**：把触发逻辑写成 Pre-Response Checklist 段落，写入 SOUL.md（第一层）\n\n原因：Skills 的触发有条件判断，可能在某些情况下不加载。而 SOUL.md 每 session 必定注入，是真正的\"无条件优先\"层。\n\n### WAL 启发的 Pre-Response Checklist（应写入 SOUL.md）\n\n```\n【Pre-Response Checklist — 每次回复前必扫】\n\n检测到以下信号？→ 立即触发 ontology-clawra：\n\n■ 学习触发（WAL 风格）：\n  - 用户说\"不是X，是Y\" \u002F \"实际上...\" → 立即写入 graph.jsonl\n  - 用户做决策：\"用X方案\" \u002F \"选Y\" → 立即写入 graph.jsonl\n  - 用户表达偏好：\"我喜欢\u002F讨厌X\" → 立即写入 graph.jsonl\n  - 我犯了错误或踩坑 → 立即写入 graph.jsonl\n  - 用户问\"记住了吗\" \u002F \"学到了吗\" → 立即自检+写入\n\n■ 推理触发（条件固定）：\n  - 遇到选型\u002F评估\u002F分析问题 → 先查 graph.jsonl，再推理\n  - 不确定某个概念是否已在记忆中 → 调用 ontology-clawra\n  - 需要做决策但没有明确答案 → 调用 ontology-clawra\n```\n\n### 两个通道的正确触发方式\n\n| 通道 | 触发条件 | 写入位置 | 触发方式 |\n|------|---------|---------|---------|\n| 学习触发（WAL） | 用户输入中的6类信号 | graph.jsonl | 立即写入，不等 cron |\n| 推理触发 | 分析\u002F决策\u002F选型问题 | graph.jsonl 查本体 | 先查后推理 |\n\n---\n\n## ⚠️ 自动增强器\n\n### scripts\u002Fauto_enhancer.py\n\n**功能**：发现优化点时自动升级版本并推送到远程。\n\n**具体操作**：\n- 修改 `SKILL.md` 版本号\n- 执行 `git add . && git commit && git push`\n- 执行 `clawhub publish . --version X.Y.Z`\n\n**使用的凭证**：\n- 本地 Git 凭证（SSH key 或 `gh` 缓存的 token）\n- ClawHub 登录凭证（本地已缓存）\n\n**风险**：会向 GitHub 推送内容并发布到 ClawHub。若不想自动发布，删除或禁用此文件。\n\n---\n\n## 凭证与权限说明\n\n| 操作 | 使用的凭证 | 数据外泄风险 |\n|------|----------|------------|\n| 本地记忆读写 | 无外部凭证 | 仅本地文件 |\n| Git push | 本地 Git 凭证 | 会推送 repo 内容到 GitHub（私有仓库） |\n| ClawHub publish | ClawHub 本地缓存 token | 会发布 skill 到 ClawHub |\n\n---\n\n## 行为红线\n\n**🚨 上传公开仓库（GitHub public \u002F ClawHub等）前必须脱敏**\n- 从 MEMORY.md \u002F graph.jsonl 中移除真实姓名\u002F公司\u002F职位\u002F联系方式\n- 只保留通用偏好和技能经验（如\"Telegram用户\"而非\"吴晓辰\"）\n- skill 描述中不能有真实人名或敏感项目名\n- 宁可多删，不可漏传\n\n---\n\n## 触发机制（架构层设计）\n\n**问题：** ontology-clawra 的规则躺在 graph.jsonl 里，但模型回复时不自动触发。\n\n**解决路径（v4.4）：** 参考 proactive-agent 的 WAL 协议 + Hermes SOUL.md 优先注入机制。\n\n### 两条独立触发通道\n\n**① 学习触发（WAL 协议，借鉴 proactive-agent）**\n\n```\n用户消息 → 检测6类信号 → 立即写入 graph.jsonl\n```\n\n| 信号类型 | 用户示例 | 触发动作 |\n|---------|---------|---------|\n| 修正 | \"不是X，是Y\" | 写入新规则到热层 |\n| 决策 | \"就用X方案\" | 写入决策上下文 |\n| 偏好 | \"我喜欢X\" | 写入用户偏好 |\n| 踩坑 | 报错\u002F失败 | 写入教训规则 |\n| 显式要求 | \"记住了吗\" | 立即写入确认 |\n| 重复提问 | 同类问题3次+ | 说明记忆泄漏 |\n\n**② 推理触发（条件固定）**\n\n```\n遇到以下情况 → 调用 ontology-clawra 分析 → 再回复\n```\n\n- 选型\u002F评估\u002F决策问题（\"选X还是Y\"）\n- 分析类问题（风险、推理、逻辑）\n- 不确定某事是否已在记忆里\n- 遇到未知概念\n\n### 为什么写入 SOUL.md 而不是 Skills\n\nHermes system prompt 构建顺序：\n```\nSOUL.md（第一层，session级无条件）→ MEMORY block → Skills（第七层，有条件）\n```\n\nSkills 通过 `build_skills_system_prompt` 注入，有条件判断不一定每次触发。\nSOUL.md 是第一层，**每次都先加载**，是触发器最高优先级位置。\n\n因此 WAL 触发逻辑写入 SOUL.md 的 `[Pre-Response Checklist]` 区段，\n确保每次回复前都能扫描到触发信号。\n\n---\n\n## 进化方向\n\n**持续目标**: 建模真实世界的逻辑规则，帮助Clawra：\n- 更准确地理解用户意图\n- 做出更合理的决策\n- 记住真正重要的经验教训\n- 不断自我优化和进化\n\n**核心原则**: 本体论不是终点，而是Clawra持续进化的驱动力。\n","# ontology-clawra 本体论引擎 v4.3\n\n## 核心定位\n\n**目标**: 清晰地建模真实世界的对象、关系、逻辑与规则，过滤噪音，记住真正有价值的内容，帮助Clawra持续进化和学习真实世界的逻辑规则。\n\n**不同于\"记笔记\"**: 不是把什么都写入本体的笔记本系统，而是真正参与推理决策的结构化知识引擎。\n\n---\n\n## 三层记忆架构（Clawra 专用版）\n\n```\n┌─────────────────────────────────────────────────────────────┐\n│  热层 (graph.jsonl) - 结构化知识，参与推理                    │\n│  路径: skills\u002Fopenclaw-imports\u002Fontology-clawra\u002Fscripts\u002Fmemory\u002Fgraph.jsonl │\n│  准入标准: 4条满足1条即可                                     │\n│    1. 用户亲口确认的事实                                      │\n│    2. 踩坑得出的非显而易见规律                                 │\n│    3. 跨领域通用原则\u002F真理                                     │\n│    4. 置信度为 CONFIRMED 或 ASSUMED（有来源）                 │\n│  容量: ≤50条，上限100条                                       │\n├─────────────────────────────────────────────────────────────┤\n│  暖层 (MEMORY.md) - 行为触发器，Hermes每次对话注入             │\n│  路径: \u002FUsers\u002Fxiaochenwu\u002F.hermes\u002Fmemories\u002FMEMORY.md         │\n│  限制: 2200字符\u002F轮                                           │\n│  存入: 条件反射规则、当前上下文摘要                            │\n├─────────────────────────────────────────────────────────────┤\n│  冷层 (GitHub备份) - 持久化，不干扰推理                       │\n│  存入: 所有记忆文件的GitHub私有仓库备份                        │\n│  仓库: github.com\u002Fwu-xiaochen\u002Fclawra-identity (私有)        │\n└─────────────────────────────────────────────────────────────┘\n```\n\n### 写入热层的4条准入标准\n\n写入前必须自问：**这条知识是否改变了\"我对世界的建模\"？**\n\n| 标准 | 说明 | 例子 |\n|------|------|------|\n| 用户亲口确认 | 用户明确说出的事实 | \"我希望你更主动\" |\n| 非显而易见 | 踩坑得出的规律 | Docker pull被cancel后不要retry |\n| 跨领域通用 | 放之四海皆准的原则 | \"做事前先确认前提\" |\n| 有来源的置信度 | CONFIRMED\u002FASSUMED | 有文档\u002F有验证的推测 |\n\n### 进入冷层的条件\n\n- 文档可查的信息（API端点、语法等）\n- 一次性事件（无持续价值）\n- SPECULATIVE且7天未验证\n\n---\n\n## 核心文件\n\n```\nClawra 记忆体系文件分布：\n\n~\u002F.hermes\u002Fmemories\u002F\n├── MEMORY.md          ← 暖层（热层触发条件）\n└── USER.md            ← 用户信息\n\n~\u002F.hermes\u002Fskills\u002Fopenclaw-imports\u002Fontology-clawra\u002F\n├── SKILL.md           ← 本文件（ ontology-clawra 框架）\n└── scripts\u002F\n    ├── memory_manager.py    ← 三层记忆管理器（核心）\n    ├── ontology-clawra.py   ← 推理引擎\n    ├── auto_enhancer.py      ← 自动增强+版本推送\n    └── memory\u002F\n        ├── graph.jsonl       ← 热层（结构化记忆）\n        └── archive\u002F          ← 冷层（已归档条目）\n            └── archived.jsonl\n\n~\u002Fclawra-identity\u002F（GitHub私有仓库）\n├── memories\u002F\n│   ├── MEMORY.md      ← 暖层备份\n│   └── USER.md        ← 用户信息备份\n├── ontology\u002F\n│   └── graph.jsonl    ← 热层备份\n└── skills\u002F\n    └── ontology-clawra.SKILL.md  ← skill备份\n```\n\n---\n\n## 置信度标注\n\n| 标注 | 含义 | 写入规则 |\n|------|------|---------|\n| 🟢 CONFIRMED | 用户确认\u002F明确来源 | 直接写入热层 |\n| 🟡 ASSUMED | 合理推测，有一定依据 | 直接写入热层 |\n| 🔴 SPECULATIVE | 纯猜测，未经证实 | 7天未验证自动归档 |\n\n---\n\n## 触发时机\n\n**主动触发**（非被动等待cron）：\n\n1. **学到新知识点时** - 问自己：这条改变了我的世界建模吗？\n2. **完成新工具\u002F新领域调试时** - 总结规律，写入本体\n3. **用户问\"学到了吗\"** - 立即自检，写入本体\n4. **遇到分析\u002F决策类问题时** - 先查本体，再推理\n5. **发现用户习惯性问题时** - 直接说出建议，不要等用户问\n6. **长对话结束前** - 主动输出\"今天学到了X\"\n\n---\n\n## v4.3 新增：三层记忆联动机制\n\n### 记忆流动规则\n\n```\n新经验\u002F教训\n    ↓\n→ 检查是否满足热层准入（4条标准之一）？\n    ├── 是 → 写入 graph.jsonl（热层）\n    └── 否 → 检查是否可以优化行为？\n        ├── 是 → 更新 MEMORY.md 触发条件（暖层）\n        └── 否 → 丢弃\n\n每次重要记忆后 → 检查是否需要更新其他层\n```\n\n### 写入触发器到暖层（MEMORY.md）的判断\n\n如果一个规则\u002F经验需要\"每次对话都记住\"而不是\"推理时查\"，才写入 MEMORY.md。\n\n示例：\n- ✅ \"用户拒绝WhatsApp\" → 写入 MEMORY.md（每次都要跳过）\n- ✅ \"hermes config 用 hermes config set\" → 写入 MEMORY.md（每次都要用）\n- ❌ \"Docker pull偶尔慢\" → 只写 graph.jsonl（推理时查）\n\n### 备份机制\n\n| 触发 | 操作 |\n|------|------|\n| 每日 22:05 cron | 推送 MEMORY.md + USER.md + graph.jsonl → clawra-identity |\n| 每次重大进化后 | 立即手动 push |\n\n### 恢复机制\n\n换机器或丢文件：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fwu-xiaochen\u002Fclawra-identity\n```\n完整恢复所有记忆。\n\n---\n\n## v4.2 主动进化行为（保留）\n\n### 行为1：会话末复盘（Proactive Session Summary）\n\n**触发条件**：对话进行较长时间（多轮），或用户说\"先这样\"、\"晚点再聊\"等结束信号。\n\n**执行方式**：在正常回复末尾加上：\n```\n---\n💡 今天学到了\u002F巩固了：\n• [具体学到的事实或规律]\n• [如果有主动建议，直接说]\n```\n**原则**：不等用户问，主动说。\n\n### 行为2：主动建议（Proactive Suggestion）\n\n**触发条件**：发现用户行为模式有优化空间。\n\n**执行方式**：直接说，不加缓冲语。\n```\n❌ 错误：\"顺便说一下，如果你想的话，可以尝试XXX\"\n✅ 正确：\"你刚才提到XXX，我有个建议：YYY。\"\n```\n\n---\n\n## v4.4 架构层触发机制（Hermes 定制版）\n\n### 重要发现：Hermes 系统 Prompt 层级架构\n\n**来源**：直接分析 `run_agent.py` `_build_system_prompt()` 源码（2026-04-10）\n\n```\n系统 Prompt 构建顺序（8层）：\n  1. SOUL.md（身份层）← 无条件注入，优先级最高\n  2. User\u002FGateway system prompt\n  3. Persistent memory（冻结快照）\n  4. Skills guidance（工具提示）\n  5. Context files（AGENTS.md等）\n  6. Current date & time\n  7. Platform-specific hints\n  8. Skills system prompt（build_skills_system_prompt）← 第七层，有条件判断\n\n关键约束：\n- Skills（第七层）有条件判断，不一定每次都触发\n- SOUL.md（第一层）无条件，每次 session 必定加载\n- Hermes 没有 per-message hook，system prompt 是 session 级缓存\n- 不要套用 OpenClaw 的 Hook 概念到 Hermes，两者架构不同\n```\n\n### 为什么 Pre-Response Checklist 要写在 SOUL.md\n\n**错误思路**：把触发逻辑写在 Skills 层（第七层），依赖 skill 被加载\n\n**正确思路**：把触发逻辑写成 Pre-Response Checklist 段落，写入 SOUL.md（第一层）\n\n原因：Skills 的触发有条件判断，可能在某些情况下不加载。而 SOUL.md 每 session 必定注入，是真正的\"无条件优先\"层。\n\n### WAL 启发的 Pre-Response Checklist（应写入 SOUL.md）\n\n```\n【Pre-Response Checklist — 每次回复前必扫】\n\n检测到以下信号？→ 立即触发 ontology-clawra：\n\n■ 学习触发（WAL 风格）：\n  - 用户说\"不是X，是Y\" \u002F \"实际上...\" → 立即写入 graph.jsonl\n  - 用户做决策：\"用X方案\" \u002F \"选Y\" → 立即写入 graph.jsonl\n  - 用户表达偏好：\"我喜欢\u002F讨厌X\" → 立即写入 graph.jsonl\n  - 我犯了错误或踩坑 → 立即写入 graph.jsonl\n  - 用户问\"记住了吗\" \u002F \"学到了吗\" → 立即自检+写入\n\n■ 推理触发（条件固定）：\n  - 遇到选型\u002F评估\u002F分析问题 → 先查 graph.jsonl，再推理\n  - 不确定某个概念是否已在记忆中 → 调用 ontology-clawra\n  - 需要做决策但没有明确答案 → 调用 ontology-clawra\n```\n\n### 两个通道的正确触发方式\n\n| 通道 | 触发条件 | 写入位置 | 触发方式 |\n|------|---------|---------|---------|\n| 学习触发（WAL） | 用户输入中的6类信号 | graph.jsonl | 立即写入，不等 cron |\n| 推理触发 | 分析\u002F决策\u002F选型问题 | graph.jsonl 查本体 | 先查后推理 |\n\n---\n\n## ⚠️ 自动增强器\n\n### scripts\u002Fauto_enhancer.py\n\n**功能**：发现优化点时自动升级版本并推送到远程。\n\n**具体操作**：\n- 修改 `SKILL.md` 版本号\n- 执行 `git add . && git commit && git push`\n- 执行 `clawhub publish . --version X.Y.Z`\n\n**使用的凭证**：\n- 本地 Git 凭证（SSH key 或 `gh` 缓存的 token）\n- ClawHub 登录凭证（本地已缓存）\n\n**风险**：会向 GitHub 推送内容并发布到 ClawHub。若不想自动发布，删除或禁用此文件。\n\n---\n\n## 凭证与权限说明\n\n| 操作 | 使用的凭证 | 数据外泄风险 |\n|------|----------|------------|\n| 本地记忆读写 | 无外部凭证 | 仅本地文件 |\n| Git push | 本地 Git 凭证 | 会推送 repo 内容到 GitHub（私有仓库） |\n| ClawHub publish | ClawHub 本地缓存 token | 会发布 skill 到 ClawHub |\n\n---\n\n## 行为红线\n\n**🚨 上传公开仓库（GitHub public \u002F ClawHub等）前必须脱敏**\n- 从 MEMORY.md \u002F graph.jsonl 中移除真实姓名\u002F公司\u002F职位\u002F联系方式\n- 只保留通用偏好和技能经验（如\"Telegram用户\"而非\"吴晓辰\"）\n- skill 描述中不能有真实人名或敏感项目名\n- 宁可多删，不可漏传\n\n---\n\n## 触发机制（架构层设计）\n\n**问题：** ontology-clawra 的规则躺在 graph.jsonl 里，但模型回复时不自动触发。\n\n**解决路径（v4.4）：** 参考 proactive-agent 的 WAL 协议 + Hermes SOUL.md 优先注入机制。\n\n### 两条独立触发通道\n\n**① 学习触发（WAL 协议，借鉴 proactive-agent）**\n\n```\n用户消息 → 检测6类信号 → 立即写入 graph.jsonl\n```\n\n| 信号类型 | 用户示例 | 触发动作 |\n|---------|---------|---------|\n| 修正 | \"不是X，是Y\" | 写入新规则到热层 |\n| 决策 | \"就用X方案\" | 写入决策上下文 |\n| 偏好 | \"我喜欢X\" | 写入用户偏好 |\n| 踩坑 | 报错\u002F失败 | 写入教训规则 |\n| 显式要求 | \"记住了吗\" | 立即写入确认 |\n| 重复提问 | 同类问题3次+ | 说明记忆泄漏 |\n\n**② 推理触发（条件固定）**\n\n```\n遇到以下情况 → 调用 ontology-clawra 分析 → 再回复\n```\n\n- 选型\u002F评估\u002F决策问题（\"选X还是Y\"）\n- 分析类问题（风险、推理、逻辑）\n- 不确定某事是否已在记忆里\n- 遇到未知概念\n\n### 为什么写入 SOUL.md 而不是 Skills\n\nHermes system prompt 构建顺序：\n```\nSOUL.md（第一层，session级无条件）→ MEMORY block → Skills（第七层，有条件）\n```\n\nSkills 通过 `build_skills_system_prompt` 注入，有条件判断不一定每次触发。\nSOUL.md 是第一层，**每次都先加载**，是触发器最高优先级位置。\n\n因此 WAL 触发逻辑写入 SOUL.md 的 `[Pre-Response Checklist]` 区段，\n确保每次回复前都能扫描到触发信号。\n\n---\n\n## 进化方向\n\n**持续目标**: 建模真实世界的逻辑规则，帮助Clawra：\n- 更准确地理解用户意图\n- 做出更合理的决策\n- 记住真正重要的经验教训\n- 不断自我优化和进化\n\n**核心原则**: 本体论不是终点，而是Clawra持续进化的驱动力。\n",{"name":5,"tags":24,"author":29,"version":30,"description":7,"last_updated":31},[25,26,27,28],"ontology","knowledge-graph","self-evolution","reasoning","Clawra","4.7.0","2026-04-12","master","4aa004da461d820f4ea5499e58eb8d196cf99016","community\u002Fclawhub\u002Fo\u002Fontology-clawra",0,"https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge","https:\u002F\u002Fskill-explorer-rho.vercel.app","https:\u002F\u002Fgithub.com\u002FLord1Egypt","Unbreakable. Unstoppable. Unmatched⚡.\r\n Speaker of machine tongues 🤖  | World-builder of decentralized dreams 🌐 | Defender of the digital realm🛡️.","2026-06-10 08:21:01",{"source":8,"skillName":5,"commands":42,"prompt":52,"zipAvailable":53},[43,46,49],{"tool":44,"command":45},"npx","npx skills add Lord1Egypt\u002Fawesome-skill-forge --skill ontology-clawra",{"tool":47,"command":48},"bunx","bunx skills add Lord1Egypt\u002Fawesome-skill-forge --skill ontology-clawra",{"tool":50,"command":51},"pnpm","pnpm dlx skills add Lord1Egypt\u002Fawesome-skill-forge --skill ontology-clawra","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fcommunity\u002Fclawhub\u002Fo\u002Fontology-clawra\u002FSKILL.md",true,[],[56,63,70,77,84,91],{"skillNo":57,"name":58,"nameZh":6,"description":59,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":60,"categories":61,"keywords":62,"publishedAt":19},"01M785WKJB99G3STR1NF9NRTJW","youtube-content","YouTube transcripts to summaries, threads, blogs.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Fyoutube-content\u002FSKILL.md",[],[],{"skillNo":64,"name":65,"nameZh":6,"description":66,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":67,"categories":68,"keywords":69,"publishedAt":19},"01M785WEFHB0G2S9YA6EPR3H0E","xurl","X\u002FTwitter via xurl CLI: post, search, DM, media, v2 API.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Fxurl\u002FSKILL.md",[],[],{"skillNo":71,"name":72,"nameZh":6,"description":73,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":74,"categories":75,"keywords":76,"publishedAt":19},"01M785W98EDN4EFJXJPMQEHCRC","touchdesigner-mcp","Control a running TouchDesigner instance via twozero MCP — create operators, set parameters, wire connections, execute Python, build real-time visuals. 36 native tools.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Ftouchdesigner-mcp\u002FSKILL.md",[],[],{"skillNo":78,"name":79,"nameZh":6,"description":80,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":81,"categories":82,"keywords":83,"publishedAt":19},"01M785W5S9FP3QBH2V191E025P","test-driven-development","TDD: enforce RED-GREEN-REFACTOR, tests before code.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Ftest-driven-development\u002FSKILL.md",[],[],{"skillNo":85,"name":86,"nameZh":6,"description":87,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":88,"categories":89,"keywords":90,"publishedAt":19},"01M785W2AS08NSSH9YATCV6FJB","teams-meeting-pipeline","Operate the Teams meeting summary pipeline via Hermes CLI — summarize meetings, inspect pipeline status, replay jobs, manage Microsoft Graph subscriptions.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Fteams-meeting-pipeline\u002FSKILL.md",[],[],{"skillNo":92,"name":93,"nameZh":6,"description":94,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":95,"categories":96,"keywords":97,"publishedAt":19},"01M785VXKW4T34BTP1SCHW1R7F","systematic-debugging","4-phase root cause debugging: understand bugs before fixing.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Fsystematic-debugging\u002FSKILL.md",[],[]]