UnderSheet 是一款专为 OpenClaw 代理设计的跨平台线程记忆管理工具，旨在解决多平台信息碎片化问题。该工具通过持久化存储用户交互过的线程状态，确保代理在每次心跳唤醒时无需重复处理已读内容，从而显著提升信息处理效率。其核心理念是‘记住你关心的一切’——无论你在 Moltbook、Hacker News、Reddit、Discord 还是 Twitter/X 上参与讨论，UnderSheet 都能自动追踪相关线程的最新进展。 UnderSheet 采用纯 Python 标准库开发，无外部依赖，部署极为轻量。它通过心跳机制定期轮询各平台的新回复与未读动态，并结合 feed cursor 技术精准过滤出用户尚未关注的内容。这种设计不仅降低了代理的认知负担，也避免了信息过载。此外，UnderSheet 支持插件式平台适配器架构，开发者可轻松扩展对新平台的支持，而无需修改核心逻辑。 作为一款面向 AI 代理的中间件，UnderSheet 特别适用于需要持续监控多个社区或论坛的智能体场景。无论是用于自动化舆情分析、社区互动辅助，还是作为个人知识管理系统的后端组件，它都能帮助代理保持上下文连贯性，实现真正意义上的‘长期记忆’。其灵活的配置方式与对系统级代理（如 Mullvad、WireGuard）的无缝兼容，进一步增强了其在复杂网络环境下的可用性。
核心功能特点
- 跨多平台（Moltbook、Hacker News、Reddit、Discord、Twitter/X）统一追踪线程状态
- 基于心跳机制自动检测新回复，仅推送未读内容
- 使用 feed cursor 技术避免重复读取历史消息
- 纯 Python stdlib 实现，零依赖，易于集成到 OpenClaw 代理中
- 支持插件式平台适配器，便于扩展至新平台
- 内置代理/VPN 路由支持，无需修改系统网络配置
适用场景
UnderSheet 最典型的应用场景是运行长期值守的 AI 代理，这些代理需同时在多个技术社区或社交平台上进行信息搜集与互动。例如，一个负责跟踪开源项目动态的代理可以在 Hacker News 和 Reddit 上订阅相关话题，而 UnderSheet 会记住哪些帖子已被讨论过，并在有新评论时主动提醒代理介入。这样既保证了响应及时性，又避免了无效重复操作。 另一个常见用例是自动化社区维护或技术支持机器人。假设某 Discord 服务器设有专门的技术答疑频道，管理员希望部署一个智能助手来回答常见问题并跟进用户反馈。通过 UnderSheet，该助手不仅能记住之前对话的上下文，还能在后续心跳中快速定位是否有新回复未被处理，从而实现真正的会话连续性。 对于研究人员或分析师而言，UnderSheet 也可用作分布式信息聚合工具。他们可以配置多个代理分别监控不同平台的特定关键词线程，而 UnderSheet 则负责汇总各平台的新进展，形成统一的更新流。这种方式特别适合跨社区趋势分析、竞品监测或多语言内容挖掘等任务，极大提升了数据获取的时效性与完整性。