Tendr Skill Ajoute une Mémoire à Long Terme Basée sur CLI avec Hiérarchie pour Réduire l'Utilisation de Tokens

Une nouvelle compétence pour OpenClaw résout les inefficacités de la gestion de la mémoire à long terme en séparant le raisonnement de l'exécution. Au lieu que l'agent effectue directement les opérations sur les fichiers, l'agent décide ce qui doit être modifié et un outil CLI gère les opérations structurelles de manière déterministe.

Fonctionnalités Clés

• Réduction de l'utilisation des tokens : La compétence réduit la consommation de tokens en déplaçant les opérations sur les fichiers vers un outil CLI. Par exemple, renommer un concept dans cinquante fichiers ne nécessite qu'une seule commande sans qu'aucun token ne soit utilisé par l'agent.
• Opérations déterministes : L'outil CLI gère les opérations structurelles de manière déterministe, empêchant les erreurs de s'accumuler au fil des sessions.
• Prise en charge des wikilinks : Le système prend en charge les [[wikilinks]], permettant à l'agent de comprendre comment les concepts sont liés entre eux.
• Hiérarchie sémantique : Il prend en charge une hiérarchie sémantique explicite entre les fichiers, donnant à l'agent une conscience des abstractions et de la généralisation prévues plutôt que de simplement savoir qu'un concept existe.

Problème Résolu

La compétence résout le schéma courant où les configurations de mémoire d'OpenClaw font que l'agent effectue lui-même la manipulation des fichiers — lecture, analyse et réécriture des fichiers markdown. Cette approche consomme des tokens et permet aux erreurs de s'accumuler sur plusieurs sessions.

Ce type d'outil est utile pour les développeurs travaillant avec des agents de codage IA qui ont besoin de systèmes de mémoire persistants et structurés, maintenant la cohérence sans consommer un nombre excessif de tokens sur les opérations de fichiers.