前言¶
笔记越写越多，文件夹和文件名往往先乱起来：同一主题散落在多处，日常记录和长期总结混在一起，事后很难按主题回溯。手工搭一套「几层目录、每层叫什么」的骨架，既要通读现有文件，又要反复改结构，成本不低。
下面介绍 SkillHub 上的社区 Skill「记忆宫殿记忆法」（坐标 @user_6b8a47e2/memory-palace-method）。它面向 OpenClaw 工作区里的笔记文件，先扫描并分析现有组织方式，再给出可定制的分层结构建议，并配合每日、每周、每月的凝练脚本，把归档和提炼做成可重复执行的步骤。本文事实均来自 SkillHub 页面 与 官方 API 资料。
这是什么¶
「记忆宫殿记忆法」是分类为 knowledge-management 的社区来源 Skill，当前版本 1.0.0，由发布者 user_6b8a47e2 维护。标签标明 requires_api_key=false，不依赖外部 API Key。
一句话定位：扫描工作区笔记、分析组织规律、推荐 3–12 层可命名结构，由你确认或修改后，再用脚本做日/周/月的凝练与结构迭代。
核心功能¶
智能分析¶
Skill 会深度扫描工作区内笔记文件，分析你的笔记组织方式，并归纳规律与特点。分析结果用于生成推荐方案，供你决策，而非自动覆盖现有布局。
个性推荐¶
根据分析结果推荐分层结构：
- 层数可在 3–12 层 之间选择；
- 每一层的名称可自定义。
你做主¶
分析结果仅供参考；最终结构由你确认。确认前可以修改层数与名称、添加新层或删除不需要的层，之后也随时可以调整。
自动成长¶
官方说明中的周期性能力包括：
- 每日凝练：当日记录自动归档；
- 每周提炼：提取精华到总结；
- 每月迭代：优化结构。
对应操作通过 condense.py 的不同参数触发（见下文典型用法）。
安装与启用¶
环境要求¶
- Python 3.7+
- 无其他外部依赖（资料未列出额外 pip 包）
安装步骤¶
- 从 SkillHub 获取 Skill 包（页面：记忆宫殿记忆法）。
- 将技能复制到你的 OpenClaw 技能目录（官方快速开始仅说明此步，未在已抓取资料中给出各编辑器下的绝对路径；以你当前 OpenClaw 环境的技能目录为准）。
资料中未单独写明 Cursor、Codex CLI、Claude Code 的差异安装方式，此处不展开未核实内容。
典型用法¶
首次使用¶
首次运行会依次：扫描工作区笔记文件、分析现有结构、生成推荐方案，并等待你确认。确认时可直接采纳推荐，或修改层数/名称、增删层级。
在工作区 Skill 根目录下执行首次分析：
python3 scripts/analyze.py
查看当前分析或结构状态：
python3 scripts/analyze.py --status
手动凝练¶
按日、周、月手动触发凝练（与官方「每日 / 每周 / 每月」说明对应）：
python3 scripts/condense.py --daily # 每日
python3 scripts/condense.py --weekly # 每周
python3 scripts/condense.py --monthly # 每月
经过上面的步骤，分析、确认结构与周期性凝练形成一条可复现的流水线；具体归档路径与文件命名以 Skill 脚本在工作区内的实际行为为准，安装后建议先在小范围笔记上试跑 --status 与 --daily。
适用场景与注意¶
适合谁
- 已在 OpenClaw 工作区用 Markdown 等文件记笔记，希望用固定层级的「记忆宫殿」式结构统一收纳；
- 愿意在首次分析后人工确认结构，而不是全自动改目录；
- 需要把「写日记、周总结、月整理」拆成脚本命令、定期执行的人。
限制与注意
- 依赖 Python 脚本直接操作工作区；大仓库首次全量扫描的成本与耗时资料未量化，宜先备份或版本管理后再改结构。
- 自动成长描述的是能力方向；是否配置 cron、由谁触发
condense.py，需自行在环境中安排。 - SkillHub 统计（以已抓取资料为准）：评分 100000，下载 1950，安装 0——仅作平台展示，不代表与你本地笔记规模一一对应的效果。
结尾¶
「记忆宫殿记忆法」把「看清现有笔记怎么长乱的 → 定分层骨架 → 周期性凝练」串成可执行命令，适合作为 knowledge-management 类 OpenClaw Skill 入门实践。官方入口：https://www.skillhub.cn/skills/user_6b8a47e2/memory-palace-method；API 资料：https://api.skillhub.cn/user_6b8a47e2/memory-palace-method。
