memory-sync

Memory Sync to narzędzie do utrzymania ciągłości pamięci agenta podczas przełączania się między modelami AI. Analizuje logi sesji w formacie JSONL, identyfikuje luki w plikach pamięci i automatycznie je uzupełnia. Obsługuje dwa tryby: szybką ekstrakcję danych oraz podsumowania generowane przez model AI z automatycznym usuwaniem wrażliwych informacji. Przydatne gdy pamięć wydaje się niekompletna po zmianie modelu, do weryfikacji pokrycia pamięci, odtwarzania utraconej historii lub codziennej synchronizacji za pośrednictwem crona.

1. Zainstaluj wymagane zależności: Python 3.11 lub nowszy oraz bibliotekę click. Uruchom w terminalu: pip install click. Jeśli planujesz używać podsumowań LLM bez backendu OpenClaw, zainstaluj też openai: pip install openai.

2. Umieść skill w katalogu ~/.openclaw/skills/memory-sync/ lub uruchamiaj go bezpośrednio z katalogu, w którym się znajduje. Dla wygody możesz utworzyć alias: alias memory-sync="python ~/.openclaw/skills/memory-sync/memory_sync.py".

3. Sprawdź czy pamięć agenta ma luki, uruchamiając: memory-sync compare. Polecenie porówna logi sesji z istniejącymi plikami pamięci i pokaże, które okresy brakuje.

4. Uzupełnij pamięć za dzisiejszy dzień szybką ekstrakcją (bez modelu AI): memory-sync backfill --today. Jeśli chcesz wygenerować narracyjne podsumowanie przy użyciu modelu AI, dodaj flagę: memory-sync backfill --today --summarize.

5. Aby uzupełnić pamięć z wcześniejszych dni, użyj: memory-sync backfill --since YYYY-MM-DD (od określonej daty do dziś) lub memory-sync backfill --all (wszystkie brakujące okresy). Dla automatyzacji codziennej synchronizacji możesz zaplanować memory-sync backfill --incremental w cronie — polecenie uzupełni tylko zmienione daty od ostatniego uruchomienia.

6. Opcjonalnie sprawdź spójność plików pamięci: memory-sync validate, zobacz statystyki pokrycia: memory-sync stats, lub wyświetl listę przejść między modelami: memory-sync transitions.