📦 Thought-Retriever

Thought-Retriever Skill 将每次对话生成的回答提炼为可积累、可复用的“知识晶体”，驱动AI记忆系统自我进化。

核心原理 Thought-Retriever 源于论文 arXiv:2604.12231，核心洞察： 不要只检索原始数据，要检索 LLM 生成的 Thoughts。 每次对话后，LLM 回答中的洞察才是记忆系统的养料，而非原始日志。

五步循环 用户问题 ↓ 步骤1：检索相关 Thought（从 ontology 找最相关 Thought） 步骤2：生成回答（主模型完成，仅记录结果） 步骤3：提炼候选思想 + 计算置信度（LLM 抽取知识晶体并赋置信度） 步骤4：查重剔除冗余（相似度 > θ 则合并；置信度 < γ 则丢弃） 步骤5：更新记忆（新增/合并 Thought 到 ontology）

阈值参数 参数 默认值 说明 γ（gamma） 0.6 置信度阈值，低于则丢弃 θ（theta） 0.80 相似度阈值，高于则合并

存储结构 每个 Thought 是 ontology 实体： { "id": "thou_59a993f9", "type": "Thought", "properties": { "content": "AI接单系统可以通过结合微信群与竞标平台形成多渠道互补", "confidence": 0.8, "last_accessed": "2026-05-02T07:42:59+00:00", "source": "conversation", "query": "赵匡的AI接单系统包括哪些渠道" } }

置信度评分标准 0.9-1.0 明确验证，多证据支持 0.7-0.8 合理推断，有依据 0.5-0.6 初步观察，待验证 <0.5 丢弃

文件位置 ~/.openclaw/workspace/skills/thought-retriever/ thought_retriever.py ← 核心引擎 SKILL.md ← 本文件 ~/.openclaw/workspace/memory/ontology/ graph.jsonl ← Thought 实体存储 schema.yaml ← Thought 类型定义

使用方式 命令行 python skills/thought-retriever/thought_retriever.py \ --query "用户问题" \ --answer "生成的回答" \ --feedback "用户反馈（可选）"

配置为对话后钩子（OpenClaw） 注册为 post-turn 钩子，对话结束自动触发。

手动测试 python skills/thought-retriever/thought_retriever.py \ --query "赵匡的AI接单系统包括哪些渠道" \ --answer "包括微信群接单和dealwork.ai平台竞标两个渠道"

与其他组件关系 ontology 存储与检索 Thought 基础设施 self-improving 记录失败案例，影响新 Thought 初始置信度 Evolver 读取 Thoughts，作为自我进化素材

注意事项 使用百炼 glm-5.1 模型（不走代理） 每个 Thought 含 query 字段，记录原始问题 置信度在后续相关查询时自动提升 定期检查 memory/ontology/graph.jsonl 的 Thought 数量与置信度分布