抄一下OpenClaw！寫了個跨端的Claude Code記憶工具Skill
整理版優先睇
從OpenClaw提取記憶系統，製作跨端Claude Code記憶工具Skill
呢篇文章係作者透過源碼分析Skill解剖OpenClaw項目後，對其記憶系統印象深刻。OpenClaw嘅記憶系統設計好優雅：唔係依賴貴價嘅向量數據庫，而係用最簡單嘅Markdown文件做存儲，配合SQLite做索引，既有語義搜索嘅智能，又有純文本嘅可讀性，仲會隨住對話越用越聰明。
作者覺得呢套系統就咁綁死喺OpenClaw太可惜，於是利用手上嘅「手術刀」（即係源碼分析Skill），直接將記憶模塊從OpenClaw剝離，整成獨立嘅Skill。移植過程快靚正，唔使手動解耦。呢個Skill支援Claude Code、Trae、Cursor等支援Skills嘅客戶端，喺唔同窗口或Session之間都可以共享記憶，真正做到一處保存、多處使用。
作者認為，呢種做法嘅最大價值唔止係得到一個實用工具，更重要係改變咗開發思維：從被動接受變成主動利用，將頂級開源項目嘅高品質模塊切落嚟，變成自己嘅零件。以後見到好嘅日誌系統、鑑權邏輯、記憶系統，都可以用同一套方法提取，累積落嚟就能大幅提升寫代碼嘅維度。
- OpenClaw記憶系統設計優雅：Markdown文件+SqLite索引，兼顧智能同可讀性
- 利用源碼分析Skill快速將記憶模塊從OpenClaw完整剝離，製成獨立Skill
- 移植後嘅Skill支援Claude Code、Trae、Cursor等多個客戶端，跨窗口跨Session共享記憶
- 啟發：開發者應主動從開源項目提取高質量模塊，轉化為可複用工具提升效率
- 可行動點：下載memory-system.zip，加載到支援Skills嘅客戶端即可使用跨端記憶
記憶體Skills下載
memory-system.zip下載連結
解剖OpenClaw：發現優雅記憶系統
作者用源碼分析Skill解剖OpenClaw呢個大型AI Agent系統，發現佢嘅記憶系統特別值得留意。唔係用複雜嘅向量數據庫，而係用Markdown文件做存儲，配合SQLite做索引，既做到語義搜索，又保持純文本可讀性，仲會隨對話越用越聰明。
作者覺得呢個記憶系統如果只喺OpenClaw用太可惜，決定將佢完整摳出嚟，整成一個獨立嘅跨端記憶Skill，等唔同客戶端都用得。
外科手術式移植：從OpenClaw到獨立Skill
以前要移植呢類模塊好麻煩，要讀懂複雜依賴、手動解耦，好易錯。但今次作者用咗之前整好嘅分析Skill做「手術刀」，直接對記憶模塊進行外科手術式移植，快好多就完成咗。
而家喺新對話窗口，只要講「搜索記憶」或者「記住呢個」，Claude就會自動調用呢個記憶模塊。
跨端共享：一處記憶，處處可用
呢個Skill嘅最大亮點係跨端同步。作者試過喺Claude Code入面儲存嘅記憶，喺Trae都用到；喺Claude Code唔同窗口或Session之間都可以一處保存、多處使用。
- Claude Code：直接加載Skill即可使用
- Trae：同樣支援，記憶共享
- Cursor：同埋其他支援Skills嘅客戶端
本地記憶庫會隨住使用愈來愈詳細、精準，形成個人化嘅知識庫
從被動接受到主動利用：改變開發維度
當你嘅工具箱攢滿呢啲從頂級開源項目切落嚟嘅高精尖零件，寫代碼嘅維度就完全唔同。連OpenClaw作者Peter都係因為無數開源積累，先整出呢個火爆全球嘅項目。
作者呢次實踐示範咗一個可行動流程：用分析Skill解剖項目→鎖定有價值模塊→提取封裝成Skill→多端重用。呢種方法可以持續累積，提升個人開發能力。
有了點樣用Agent Skills去解剖OpenClaw呢類中大型項目？以後，就好似有咗把好利嘅手術刀，可以輕鬆完整咁剖析大中類型嘅開源項目。
攞最近一直研究嘅OpenClaw嚟講，呢個係一個非常強大嘅AI Agent系統，架構好複雜。
令我印象最深刻嘅就係佢嘅記憶系統，呢樣嘢好似愈對話愈聰明，愈用愈明你。
佢又係點樣做到㗎呢？
透過上面文章源碼分析Skill可以見到佢嘅設計非常優雅，唔係單純依賴昂貴嘅向量數據庫，而係用最樸素嘅Markdown文件做儲存，配合SQLite做索引，既有語義搜索嘅智能，又有純文本嘅可讀性。
咁好嘅嘢，如果淨係喺OpenClaw度用，就太可惜啦。
所以我將佢完整咁挖咗出嚟整咗做Skill，咁樣唔再只限OpenClaw用，喺Claude Code，其他類似Trae Cursor所有支援Skills嘅客戶端都用得。
要移植呢套系統以前真係好攰，面對龐大嘅源碼你要讀明複雜嘅依賴關係，手動剔除嗰啲耦合嘅代碼，一唔小心就會報錯。
但而家，我有一把手術刀，直接對OpenClaw嘅記憶模塊進行咗一次外科手術式嘅移植。
於是好快就完成咗呢個多端記憶體嘅Skill
而家喺任何一個新嘅對話視窗，只需要打「搜索記憶」或者「記住呢個」，Claude就會自動調用呢個被我剝離出嚟嘅模塊。
無論係寫爬蟲定係分析財報，呢個記憶系統都如影隨形。
我喺Claude Code裡面裝載嘅記憶喺Trae裡面都照常用得：
即使係喺Claude Code入面，多視窗切換或者唔同Session對話，都可以一處保存多處使用。
本地嘅記憶庫都會隨住個人嘅使用愈嚟愈詳細，愈嚟愈精準同強大。
記憶體Skills下載地址：
https://link.bytenote.net/note
（memory-system.zip檔案）
當然啦OpenClaw裡面嘅好嘢仲遠遠唔止呢啲，仲有進一步深度挖掘嘅嘢。
藉助呢個分析Skill，我哋由被動嘅接受者，變成主動咁吸收同利用。
見到好嘅日誌系統？切出嚟，做成功能性嘅模塊。
見到好嘅鑑權邏輯？切出嚟，做成可以重複用嘅組件。
見到好嘅記憶模塊？切出嚟，做成Skill。
當你嘅工具箱裡面儲滿咗呢啲從頂級開源項目切出嚟嘅高精尖零件時，你寫代碼嘅維度就已經變咗。
包括OpenClaw嘅作者Peter，都正正係因為佢無數嘅開源積累，先會有咗咁樣一個火爆全球嘅開源項目。
點樣用Agent Skills去解剖OpenClaw呢類中大型項目？
Skills工作流製作抖音爆款兒童單詞學習影片！單條成本0.15美金
有了如何使用Agent Skills 解剖OpenClaw這類中大型項目？以後，就像擁有了一把鋒利的手術刀，可以輕鬆完整地剖析大中型的開源項目。
拿最近一直研究的OpenClaw 來說，這就是是一個非常強大的 AI Agent 系統，架構很複雜。
讓我印象最深的就是它的記憶系統，這玩意好像越對話越聰明，越用越懂你。
它又是怎麼做到的呢？
通過上面文章源碼分析Skill可以看到它的設計非常優雅，不是單純依賴昂貴的向量數據庫，而是用最樸素的 Markdown 文件做存儲，配合 SQLite 做索引，既有語義搜索的智能，又有純文本的可讀性。
這麼好的東西，如果只能在 OpenClaw 裏用，就太可惜了。
所以我把它完整摳出來了做成了Skill ，這樣不再僅限OpenClaw使用了，在Claude Code，其他的類似於Trae Cursor所有支持Skills的客戶端都可以用。
要移植這套系統換做以前真的很累，面對龐大的源碼你需要讀懂複雜的依賴關係，手動剔除那些耦合的代碼，稍有不慎就報錯。
但現在，我有了一把手術刀，直接對 OpenClaw 的記憶模塊進行了一次外科手術式的移植。
於是很快就完成了這個多端記憶體的Skill
現在在任何一個新的對話窗口，只需要敲下“搜索記憶”或者“記住這個”，Claude 就會自動調用這個被我剝離出來的模塊。
不管在寫爬蟲，還是在分析財報，這個記憶系統都如影隨形。
我在Claude Code裏面裝載的記憶在Trae裏面也能照常使用：
即便是在Claude Code中，多窗口的切換或者是不同的Session對話，都可以一處保存多處使用。
本地的記憶庫也會隨着個人的使用越來越詳細，越來越精準和強大。
記憶體Skills下載地址：
https://link.bytenote.net/note
（memory-system.zip文件）
當然了OpenClaw裏面的好東西還遠遠不止這些，還有進一步深度挖掘的東西。
藉助這個分析Skill我們從被動的接受者，變成了主動的吸收和利用。
看到好的日誌系統？切下來，做成功能性的模塊。
看到好的鑑權邏輯？切下來，做成可重複利用的組件。
看到好的記憶模塊？切下來，做成 Skill。
當你的工具箱裏攢滿了這些從頂級開源項目裏切下來的高精尖零件時，你寫代碼的維度就已經變了。
包括OpenClaw的作者Peter，也正是因為他無數的開源積累，才會有了這樣的一個火爆全球的開源項目。
如何使用Agent Skills 解剖OpenClaw這類中大型項目？
Skills工作流製作抖音爆款兒童單詞學習視頻！單條成本0.15刀