據 AlphaMoat 統計,截至 2026-09,多使用者隔離型長期記憶 Multi-user Long Term Memory 累計下載 3,333 次、獲 5 個星標,在全部 5,078 個 AI 技能中排名第 3,393 位,在「AI 智慧體」分類(969 個)中排名第 692 位。
| 平台 | 累計安裝 | 累計下載 | 星標 | 評論 |
|---|---|---|---|---|
| ClawHub ↗ | 101 | 3007 | 4 | - |
| SkillHub ↗ | 210 | 3333 | 5 | — |
各平台的計數口徑不同,統計時間不一致。
為不同使用者維護相互隔離的長期記憶,並按使用者標識讀取對應上下文。
資料釋出於 2026-10-29
以下是根據技能文件生成的示例,不代表實際執行結果。
2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。
| 月份 | 累計下載 | 環比 | 星標 |
|---|---|---|---|
| 2026-09 | 3333 | — | 5 |
| 2026-08 | 3021 | +5.2% | 5 |
| 2026-07 | 2871 | +10.1% | 5 |
| 2026-06 | 2608 | +7.7% | 5 |
| 2026-05 | 2422 | — | 4 |
| 2026-03 | 1708 | — | 2 |
以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-10-23。
# Multi-User Long-Term Memory 为多个用户维护独立的长期记忆文件。 ## 功能 - 为不同用户创建独立的长期记忆文件 - 记录用户的偏好、上下文、重要事项 - 根据用户标识自动定位到对应的记忆文件
## 用户标识规则
**重要**:用于区分记忆的用户名取自 `sender_id` 中 `|` 符号**以前**的部分。
例如:
- `sender_id = "hzg-demo-appWillNing|s-24485376"` → 用户名为 `hzg-demo-appWillNing`
- `sender_id = "alice|session-123"` → 用户名为 `alice`
- `sender_id = "bob_channel|xyz"` → 用户名为 `bob_channel`
## 使用场景
当需要:
- 记住特定用户的信息或偏好
- 跨会话保持对某用户的记忆
- 为不同用户维护独立的上下文
## 文件结构
```
~/.openclaw/workspace/skills/multi-user-long-term-memory/
├── SKILL.md
├── README.md
├── references/
│ └── user-memory.js # 记忆管理逻辑
└── users/
└── {username}.md # 各用户的记忆文件(按|前的用户名命名)
```
## API
### 获取用户记忆
```
user-memory.get(senderId) → 返回该用户的记忆内容
```
### 保存用户记忆
```
user-memory.save(senderId, content) → 保存内容到用户记忆文件
```
### 追加用户记忆
```
user-memory.append(senderId, content) → 追加内容到用户记忆文件
```
### 初始化用户记忆
```
user-memory.init(senderId, userName) → 初始化用户记忆文件
```
## 注意事项
- 记忆文件按用户名(|前的部分)命名,存储在 users/ 目录下
- 文件格式为 Markdown,便于阅读和编辑
- 相同用户名的不同会话将共享同一记忆文件
將開發過程中的經驗、錯誤與修正記錄為 Markdown 檔案,供日後重用並提升為工作區記憶。
用自然語言描述需求,在本機與遠端技能市場尋找技能並取得推薦。
給 AI agent 用的瀏覽器自動化命令列技能。
將使用者明確糾正與自我檢視整理成分層記憶,並依使用情況升級或封存。
在安裝第三方技能之前,按清單審查來源、許可權與危險模式的技能。
將代理記憶與跨技能狀態整理成具型別與約束的知識圖譜。
規劃 AI 代理主動跟進、工作記憶與回顧流程的工作區設定指南。
指導如何建立與更新有效 Claude 技能的寫作指南。
資料月份:2026-09 · 下載/星標/安裝數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。