GrowLog¶

个人成长记录与知识管理系统 — 从简单的记忆存储演进为集学习追踪、教育代理、工作流可视化于一体的知识工作台。

产品定位¶

GrowLog 是 Dad 构建的个人知识管理基础设施，核心目标是让 AI 助手能够： 1. 跨会话保留关键信息 — 重置后仍能恢复上下文 2. 持续积累可检索的知识资产 — 不只是聊天历史 3. 支撑教育场景的自适应学习 — 记录真实水平、薄弱点、学习轨迹

核心理念：成长记录不是"做了什么题"，而是"当前真实水平 + 薄弱点 + 下一步策略"。

技术栈¶

层级	技术选型	说明
长期记忆	LanceDB Pro	向量 + 关键词混合检索
文件层	Markdown + JSON	人可读、可审计
知识界面	Obsidian	链接化管理与结构化组织
可视化	React Flow	工作流地图、主题关系图
教育代理	Miss E (@misse)	独立英语教学 Agent
上下文引擎	lossless-claw-enhanced	CJK 增强，解决中文 token 估算问题

演进时间线¶

日期范围	阶段	关键事件	详情
03-07	长期记忆建立	LanceDB 向量记忆确立为持久化方案，"记录可落地"成为原则	[[03-07-长期记忆建立]]
03-08	记忆升级	memory-lancedb-pro v1.1.0 引入 Smart Chunking、Reflection、Hybrid Retrieval	[[03-08-记忆升级]]
03-09	Obsidian 融合	memory/ 目录升级为 Obsidian Vault，采用"软着陆"兼容策略	[[03-09-Obsidian融合]]
03-10~03-11	教育代理独立	Miss E 从主代理剥离，成为独立英语教学 Agent	[[03-10-教育代理独立]]
03-15	旧版归档	english_tutor 正式归档，教育模块完成架构切换	[[03-15-旧版归档]]
03-17~03-29	技能体系重构	按角色分配技能白名单，避免无关技能污染	[[03-17-技能体系重构]]
04-03~04-05	工作流可视化	React Flow 主题地图上线，三层结构清晰可见	[[04-03-工作流可视化]]

关键时刻¶

1. 长期记忆机制确立（03-07）¶

背景：Dad 要求 bot 不只是临时回答，而是要"记住事情"，尤其是重置后仍能恢复上下文。

决策： - 采用 LanceDB 向量记忆 作为长期存储 - 关键事实持久化在磁盘，不依赖会话上下文 - 通过 memory_recall 实现语义检索

影响：这为 GrowLog 奠定了技术基础 — 记录不再只是聊天历史，而是可检索、可持续积累的知识资产。

2. 从"刷题"到"老师"的教育理念转变（03-11）¶

问题：英语学习功能"基本没有用" — 题目太简单、重复、缺乏记录、不像老师。

Dad 核心反馈： - 内容太少、题库过浅 - 缺乏学习记录和迭代机制 - 只有出题判题，没有由浅入深的讲解

关键决策： - 创建独立教育代理 Miss E - 教学流程设计为三步走：核心概念 → 真实场景语料 → 输出与纠正 - 引入 Adaptive Profile 机制，根据正确率动态调整难度 - 实现间隔重复：Day 1 → Day 3 → Day 7

技术选型理由： - 独立代理避免与日常助理上下文混杂 - 专门的记忆库记录词汇、语法弱点、复习周期 - 模型选择 FW-GLM-5（中文底座更适合教英语）

3. Obsidian 与 OpenClaw 的兼容策略（03-09）¶

问题：直接把 memory/ 当 Obsidian Vault 会不会影响 OpenClaw？

风险分析： 1. 脚本路径硬编码 — 移动文件会导致脚本找不到 2. LanceDB 记录的源文件路径会变成 dead link 3. 约定式文件（如 MEMORY.md）可能被系统读取

安全迁移方案（软着陆）： - 不动根目录核心文件 - 只归档旧日志 - 新结构只用于新增内容 - .obsidian/ 与现有自动化脚本共存

4. React Flow 工作流地图（04-05）¶

问题：108 个主题用传统列表/Tab 视图信息密度过高。

技术方案： - 采用 React Flow 构建三层结构：Category → Project → Topic - 使用 dagre 自动布局算法 - 默认展示"进行中"主题，降低认知负载 - 左右 7:3 分栏，右侧任务列表与流程图联动

关键坑点：dagre 的 setNode 不能共享尺寸对象引用，否则布局异常。

核心功能清单¶

记忆层¶

[x] LanceDB Pro 向量记忆存储
[x] 混合检索（向量 + 关键词）
[x] mdMirror 自动生成 Markdown 镜像
[x] 垃圾记忆清理机制
[x] 跨 session 状态持久化

教育模块（Miss E）¶

[x] 独立工作区与记忆
[x] 自适应学习画像 student_profile.json
[x] 间隔重复复习调度
[x] 真实语料自动备课
[x] 定时课程推送（CST 18:00）
[x] 难度动态调整

可视化层¶

[x] React Flow 主题工作流地图
[x] dagre 自动布局
[x] 状态筛选（进行中/已完成/全部）
[x] 左右分栏联动
[x] 节点可拖拽

架构决策记录¶

决策	选择	理由
长期存储	LanceDB Pro	向量检索适合"模糊回忆"式查询
文件格式	Markdown + JSON	人可读、脚本可处理、Obsidian 兼容
教育代理	独立 Agent	人格/记忆/调度与主助理解耦
迁移策略	软着陆	兼容现有脚本，避免破坏性重构
可视化	React Flow	成熟的节点/边库，支持拖拽缩放
上下文引擎	lossless-claw-enhanced	解决中文 token 估算不准问题
技能分配	按角色白名单	避免无关技能污染决策

核心设计原则¶

状态持久化优先于会话上下文 — 学习状态必须落盘
教学 agent 独立化 — 人格、记忆、任务调度与主助理解耦
学习画像驱动内容生成 — 课程由 profile 驱动，不是固定题库
由浅入深的教师式交互 — 概念 → 场景 → 输出纠正
真实语料备课 — 从技术内容抽取语言点，贴近实际使用场景
先修数据再做可视化 — 避免在脏数据上做复杂展示

重要路径¶

# 记忆数据
~/.openclaw/memory/lancedb-pro/

# 教育代理工作区
~/.openclaw/workspace-misse/
├── SOUL.md
├── AGENTS.md
├── IDENTITY.md
├── USER.md
├── TOOLS.md
└── memory/
    ├── student_profile.json
    └── lesson_history.json

# 主工作区记忆
~/.openclaw/workspace/memory/
├── YYYY-MM-DD.md          # 每日日志
├── english_pending_quiz.json  # 跨 session 题目
└── english_progress.md    # 学习进度