back
loading skill details...
跨渠道记忆同步。实现QQ、飞书等多渠道用户身份识别和记忆共享。当用户在不同渠道与机器人对话时，agent能识别同一用户并读取统一记忆。触发条件：用户提到"跨渠道"、"多渠道"、"飞书和QQ"、"记忆同步"、"换渠道聊"，或agent需要查询用户跨渠道历史时。
---
name: cross-channel-memory
description: 跨渠道记忆同步。实现QQ、飞书等多渠道用户身份识别和记忆共享。当用户在不同渠道与机器人对话时，agent能识别同一用户并读取统一记忆。触发条件：用户提到"跨渠道"、"多渠道"、"飞书和QQ"、"记忆同步"、"换渠道聊"，或agent需要查询用户跨渠道历史时。
version: 1.2.0
author: OpenClaw
---
# 跨渠道记忆同步
## 概述
实现多渠道用户身份映射，让不同 agent 在 QQ、飞书等渠道识别同一用户，并共享记忆。
**核心特性：**
- 用户身份统一：同一用户在不同渠道使用同一身份标识
- 记忆共享：各渠道的对话记录统一存储，可跨渠道查询
- 独立存储：每个 agent 的记忆保存在自己的 workspace 目录
- 实时同步：写入时自动同步到所有关联 agent
## 架构设计
```
┌─────────────────────────────────────────────────────────────┐
│ 用户映射中心 │
│ ~/.openclaw/data/cross-channel-users.json │
│ │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ users: { │ │
│ │ "xiaokeai": { │ │
│ │ displayName: "小可爱", │ │
│ │ channels: { │ │
│ │ qqbot: { main: "QQ_ID_123" }, │ │
│ │ feishu: { main: "ou_abc123" } │ │
│ │ } │ │
│ │ } │ │
│ │ } │ │
│ │ lookupIndex: { │ │
│ │ qqbot: { "QQ_ID_123": { userId: "xiaokeai" } }, │ │
│ │ feishu: { "ou_abc123": { userId: "xiaokeai" } } │ │
│ │ } │ │
│ └─────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘
│
┌───────────────┼───────────────┐
▼ ▼ ▼
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ main │ │ coder │ │ checker │
│ workspace │ │ workspace │ │ workspace │
│ │ │ │ │ │
│ memory/ │ │ memory/ │ │ memory/ │
│ ├MEMORY.md │ │ ├MEMORY.md │ │ ├MEMORY.md │
│ └YYYY-MM-DD│ │ └YYYY-MM-DD│ │ └YYYY-MM-DD│
└─────────────┘ └─────────────┘ └─────────────┘
```
## 使用方法
### 步骤 1：初始化用户映射
在用户首次使用时，需要建立渠道用户 ID 与统一用户 ID 的映射（按 agent 精确绑定）：
```bash
# QQ coder agent 绑定
python3 ~/.openclaw/skills/cross-channel-memory/scripts/init_mapping.py link \
--user "xiaokeai" \
--channel qqbot \
--channel-id "QQ_USER_ID" \
--account coder
# 飞书 coder agent 绑定（同一用户）
python3 ~/.openclaw/skills/cross-channel-memory/scripts/init_mapping.py link \
--user "xiaokeai" \
--channel feishu \
--channel-id "FEISHU_USER_ID" \
--account coder
# 飞书 main agent 绑定（同一用户，不同 agent）
python3 ~/.openclaw/skills/cross-channel-memory/scripts/init_mapping.py link \
--user "xiaokeai" \
--channel feishu \
--channel-id "FEISHU_USER_ID" \
--account main
```
参数说明：
- `--user`: 统一用户 ID (自定义，用于跨渠道识别)
- `--channel`: 渠道名称 (qqbot, feishu)
- `--channel-id`: 渠道中的用户 ID
- `--account`: agent 标识 (coder, main, checker, menowriter 等)
### 步骤 2：查找用户信息（按 agent 精确查找）
根据渠道用户 ID 和 agent 查找统一用户信息：
```bash
python3 ~/.openclaw/skills/cross-channel-memory/scripts/memory_sync.py lookup \
--channel qqbot \
--id "QQ_USER_ID" \
--account coder
```
返回：
```json
{
"userId": "xiaokeai",
"displayName": "小可爱",
"memoryPaths": [
{ "accountId": "coder", "memoryPath": "/home/user/.openclaw/workspace/coder/memory" }
],
"accountId": "coder"
}
```
### 步骤 3：写入记忆（按 agent 精确写入）
将对话记录写入指定 agent 的记忆：
```bash
python3 ~/.openclaw/skills/cross-channel-memory/scripts/memory_sync.py write \
--channel qqbot \
--id "QQ_USER_ID" \
--account coder \
--type user \
--content "我想学习 Python 编程" \
--timestamp "2026-03-13T08:30:00"
```
### 步骤 4：读取记忆
使用内置工具读取记忆：
```
memory_search(query: "Python", path: "~/.openclaw/workspace/coder/memory")
```
## 渠道识别字段
| 渠道 | 用户ID字段 | 来源 |
|------|-----------|------|
| QQ (qqbot) | `sender_id` | inbound_meta.sender_id |
| 飞书 (feishu) | `sender_id` / `open_id` | inbound_meta.sender_id |
## 目录结构
```
~/.openclaw/
├── skills/
│ └── cross-channel-memory/
│ ├── SKILL.md # 本文档
│ ├── scripts/
│ │ ├── lookup_user.py # 用户查找工具
│ │ ├── memory_sync.py # 记忆同步工具
│ │ └── init_mapping.py # 初始化脚本
│ └── examples/
│ └── sample_mapping.json
├── data/
│ └── cross-channel-users.json # 用户映射（共享）
└── workspace/
├── main/memory/ # main agent 记忆
├── coder/memory/ # coder agent 记忆
└── checker/memory/ # checker agent 记忆
```
## 配置示例
### cross-channel-users.json（按 agent 精确绑定）
```json
{
"users": {
"xiaokeai": {
"displayName": "小可爱",
"channels": {
"qqbot": {
"coder": "QQ_USER_ID_C"
},
"feishu": {
"coder": "FEISHU_USER_ID_C",
"main": "FEISHU_USER_ID_M",
"checker": "FEISHU_USER_ID_K",
"menowriter": "FEISHU_USER_ID_W"
}
}
}
},
"lookupIndex": {
"qqbot": {
"QQ_USER_ID_C_coder": {
"userId": "xiaokeai",
"accountId": "coder",
"channelUserId": "QQ_USER_ID_C"
}
},
"feishu": {
"FEISHU_USER_ID_C_coder": {
"userId": "xiaokeai",
"accountId": "coder",
"channelUserId": "FEISHU_USER_ID_C"
},
"FEISHU_USER_ID_M_main": {
"userId": "xiaokeai",
"accountId": "main",
"channelUserId": "FEISHU_USER_ID_M"
}
}
}
}
```
**绑定关系：**
- QQ coder agent ← 用户 `QQ_USER_ID_C` → 统一用户 `xiaokeai` → 飞书 coder agent
- QQ main agent ← 用户 `QQ_USER_ID_M` → 统一用户 `xiaokeai` → 飞书 main agent
- 每个渠道的每个 agent 精确绑定，记忆独立存储
## Agent 使用流程
### 接收消息时
1. 从 inbound_meta 获取 channel 和 sender_id
2. 调用 lookup_user.py 查找统一用户 ID
3. 如果找到，使用该用户的记忆路径
### 写入记忆时
1. 使用 memory_sync.py write 命令
2. 自动同步到用户关联的所有 agent
### 查询记忆时
1. 使用 memory_search 工具
2. 指定正确的记忆路径
## 注意事项
1. **用户映射是共享的**：所有 agent 使用同一份映射文件
2. **记忆按 agent 分离**：各 agent 的记忆独立存储在自己的 workspace
3. **首次使用需初始化**：新用户需要先建立映射关系
4. **支持增量更新**：可随时添加新的渠道映射
## 与内置 memory 工具配合
本 skill 与 OpenClaw 内置的 memory_search/memory_get 工具配合使用：
```python
# 先用本 skill 查找用户
user_info = lookup_user(channel="qqbot", user_id="xxx")
# 再用内置工具搜索记忆
memory_search(query="Python", path=user_info["memoryPath"])
```
## 最佳实践
### 用户 ID 映射策略
1. **统一 ID 命名**：建议使用易识别的 ID，如用户昵称的拼音
2. **渠道 ID 格式**：直接使用渠道提供的原始 ID
3. **agent 绑定**：如用户使用多个 agent，分别记录每个 agent 的渠道 ID
### 记忆存储建议
1. **按日期组织**：每日记忆存储在 `YYYY-MM-DD.md`
2. **重要信息**：永久记忆存储在 `MEMORY.md`
3. **定期整理**：建议定期将重要信息从日记忆迁移到永久记忆
---
## 更新日志
- **v1.1.0** (2026-03-13): 按 agent 精确绑定，QQ coder → 飞书 coder，支持多 agent 独立记忆
- **v1.0.0** (2026-03-13): 初始版本，支持 QQ 和飞书渠道don't have the plugin yet? install it then click "run inline in claude" again.