SecondMind 是一款具备主动性的自主AI记忆系统，旨在通过三级记忆架构持续学习和整合用户对话中的知识与情感信息。该系统能够主动追踪项目进展、生成建议并管理社会智能，从而在长期交互中提供连贯且个性化的支持。其核心设计围绕一个自主运行的三级记忆模型展开：短期记忆实时处理会话内容，中期记忆定期整合关键信息，而长期记忆则通过全文搜索索引实现高效检索。这种结构使得SecondMind不仅能记住过去的对话细节，还能理解用户的情绪变化和上下文关联。 系统通过OpenClaw会话提取机制自动摄取对话数据，并结合OpenRouter的LLM能力进行语义分析和情感识别。用户可通过多种方式与系统互动，包括自然语言反馈、专用Telegram命令或定时后台任务。特别值得注意的是，当用户发送/new或/reset指令时，系统会在重置前自动执行内存转储，确保重要信息被安全归档，避免意外丢失。此外，SecondMind支持两种运行模式——集成模式和独立模式，前者将功能嵌入现有代理流程，后者则通过独立的Telegram机器人提供服务，灵活性较高。 为了保障系统稳定运行，SecondMind内置了多个自动化后台作业，如每30分钟导入新会话、每6小时进行一次知识提炼与情绪分析、每日凌晨3点将成熟知识迁移至长期索引，以及周期性发起新提案并推送通知。这些任务由setup.js安装为cron作业，无需人工干预即可持续运作。整体而言，SecondMind适用于需要长期记忆、主动建议和项目跟踪的智能助手场景，尤其适合那些希望AI不仅响应请求，更能预见需求并提供结构化支持的个人或团队用户。
核心功能特点
- 自主三级记忆架构：支持短期会话记忆、中期知识整合与长期全文检索
- 主动提案与项目跟踪：自动生成可执行建议，接受后自动创建项目并持续监控进度
- 情感与社会智能分析：从对话中提取情绪标签（如😤frustration, 🎉excitement），用于个性化响应
- Telegram深度集成：支持/smstatus、/proposals、/accept、/reject等命令，实现无感交互
- 自然语言反馈解析：能理解‘取前两个’、‘只留安全相关’等模糊指令，提升操作效率
- 自动后台作业调度：定时摄入、提炼、归档与倡议生成，确保系统持续进化
适用场景
SecondMind特别适合那些需要长期记忆积累和主动辅助决策的使用者。例如，一位独立开发者每天与AI助手讨论多个项目，随着时间推移，过去的技术选型、待办事项甚至临时想法都可能被遗忘。有了SecondMind，系统不仅能记住上次提到的API限制，还能在后续对话中主动提醒‘你之前提到过GraphQL查询性能问题，是否要重新评估？’。这种连续性极大提升了工作效率。另一个典型场景是创意工作者，他们常在不同灵感之间跳跃，容易遗漏关键点子。SecondMind可通过情绪分析感知用户的兴奋或沮丧状态，并在适当时候推送相关资源或调整建议策略。 对于团队协作环境，SecondMind同样表现出色。假设一个远程团队使用AI作为协调中枢，成员会频繁提出新功能构想或任务分配。通过/proposals命令，所有提议可被集中管理，并用/accept快速转化为正式项目。一旦接受，系统会自动读取follow_up字段中的后续问题（如‘是否需要设计评审？’），并询问用户确认，随后立即开始执行。这种方式将创意落地过程自动化，减少沟通断层。此外，当用户处于高强度工作周期时，可设置/mute 1d暂停非紧急提醒，避免干扰；而在低活跃度阶段，系统仍会依据历史数据生成温和倡议，保持参与感而不造成负担。 更广泛地说，任何依赖上下文记忆、希望AI超越简单问答、转向真正‘助手’角色的场景都适合引入SecondMind。无论是个人知识管理、研究助理还是创意伙伴，它都能通过持续学习构建越来越贴合用户心智模型的数字记忆体，使每一次交互都建立在前一次经验之上，真正实现‘越用越懂你’的智能体验。