OpenClaw 记忆插件现场诊断数据导出指南：memory-tencentdb 诊断包打包与脱敏实战

OpenClaw 记忆插件现场诊断数据导出指南：memory-tencentdb 诊断包打包与脱敏实战

【免费下载链接】TencentDB-Agent-MemoryTencentDB Agent Memory is a team-level memory hub for AI Agents — turning conversations, docs, and code into four reusable memory assets (Chat Memory, Skill, LLM-Wiki, Code-Graph) that are governed, shared, and equipped across agents and frameworks.项目地址: https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-Memory

本篇技术指南以 TencentDB-Agent-Memory 仓库中MemoryCore/SKILL-DIAGNOSTIC-EXPORT.md技能定义为骨架，完整讲解如何将 OpenClaw 网关日志、memory-tencentdb 记忆插件数据（L0~L3）以及脱敏后的配置打包为本地压缩包，供研发团队排查问题。读完本文，你将掌握诊断导出技能的环境探测、脚本执行、内容核对、手动兜底四条完整路径，并理解数据目录、日志位置、脱敏规则背后的源码实现依据，能够独立完成一次"现场数据收集与安全交付"。

技能定位与触发方式

SKILL-DIAGNOSTIC-EXPORT.md是一个面向 OpenClaw 环境的技能定义文件（skill），其 frontmatter 声明如下：

name: openclaw-diagnostic-export description: 帮助用户导出 OpenClaw + memory-tencentdb（原 memory-tdai）记忆插件的现场诊断数据，用于排查问题。当用户提到"导出诊断数据""export diagnostic""现场数据""排查问题""导出日志""收集现场""打包现场数据"时应触发。 version: 1.0.0

该技能的核心目的是：将 OpenClaw 日志、记忆插件数据（L0~L3）、脱敏后的配置打包为本地压缩包，由用户确认后手动发送给研发团队排查问题。它对应的应用场景正是仓库中其他技能（如 SKILL.md 中的openclaw-memory-tencentdb-setup安装配置技能）的"事后排查"闭环——先安装配置、验证记忆链路，出了问题再导出诊断数据。

名称与数据目录的关系（重要前提）

名称说明：插件已从@tdai/memory-tdai更名为@tencentdb-agent-memory/memory-tencentdb，但数据目录始终为~/.openclaw/memory-tdai/（代码中硬编码）。本 skill 中所有对memory-tdai目录的引用均指实际数据目录路径，与插件 ID 无关。

这一点在源码中可以得到印证：在 src/gateway/config.ts 中，默认数据目录解析逻辑明确写到~/.memory-tencentdb/memory-tdai/，并说明"宿主插件数据目录由resolveStateDir() + "memory-tdai"决定（通常是~/.openclaw/memory-tdai/），该路径是有意保持不变的；同时若检测到旧版~/memory-tdai仍存有数据，网关会继续使用旧目录并打印一行弃用警告。因此无论插件包名如何演变，诊断时始终从memory-tdai目录取数。

导出工作流（标准四步）

Step 1: 确认环境

在导出前，先确认 OpenClaw 工作目录存在且可访问。技能给出了目录探测命令，优先级为：环境变量 >~/.openclaw>~/.clawdbot：

# 探测工作目录（优先级：环境变量 > ~/.openclaw > ~/.clawdbot） OPENCLAW_DIR="${OPENCLAW_STATE_DIR:-$HOME/.openclaw}" [ -d "$OPENCLAW_DIR" ] || OPENCLAW_DIR="$HOME/.clawdbot" ls -la "$OPENCLAW_DIR/" 2>/dev/null && echo "✅ 找到: $OPENCLAW_DIR" || echo "❌ 未找到 OpenClaw 工作目录"

其中OPENCLAW_STATE_DIR环境变量正是仓库中 src/utils/openclaw-state-dir.ts 所实现的目录解析入口。随后确认 memory-tdai 子目录存在：

ls -la "$OPENCLAW_DIR/memory-tdai/" 2>/dev/null

Step 2: 执行导出脚本

运行项目scripts/目录下的导出脚本：

bash scripts/export-diagnostic.sh

脚本位于本项目的scripts/export-diagnostic.sh，如果通过pnpm或其他方式运行，需确保工作目录在项目根目录下。

脚本默认将压缩包输出到~/Downloads/openclaw-diagnostic-<timestamp>.tar.gz。如需指定其他输出目录，将路径作为第一个参数传入：

bash scripts/export-diagnostic.sh /tmp

需要说明的是：该脚本属于技能运行时生成的辅助脚本，当前仓库的 scripts/ 目录下并不包含此文件——因此若在检出目录中找不到该脚本（例如 Node.js 工具链不可用），请直接使用下文"手动导出（脚本不可用时的备选方案）"一节中的完整命令序列自行收集，两条路径产出的数据内容一致。

Step 3: 确认导出结果

脚本执行完成后，检查输出：

1. 确认压缩包已生成—— 脚本末尾会打印压缩包路径和大小；
2. 向用户说明包含内容：

3. 提醒用户：
   • 配置文件已自动脱敏，API Key、Token 等敏感信息已被替换为***REDACTED***；
   • 记忆数据（memory-tdai/）包含用户对话原文，请确认可以分享后再发送；
   • 压缩包存放在本地，不会自动上传，需要用户手动发送给研发团队。

Step 4: 告知用户后续操作

导出完成后，告知用户：

1. 压缩包已保存在本地（打印具体路径）；
2. 请检查内容后，通过企微/邮件等方式手动发送给研发团队；
3. 如只需部分数据（如仅日志或仅配置），可解压后选择性发送。

导出内容详解

OpenClaw 日志位置

技能将排查所需的日志按类型归类如下：

其中/tmp/openclaw滚动日志目录在源码中有明确依据：src/utils/clean-context-runner.ts 中定义了POSIX_DIR = "/tmp/openclaw"，作为上下文清理与日志落盘的默认位置，并带有 24 小时自动清理机制。

记忆插件数据结构

导出的memory-tdai/目录遵循固定的四层记忆存储布局：

~/.openclaw/memory-tdai/ ├── conversations/ — L0 原始对话（每日 JSONL 分片） ├── records/ — L1 结构化记忆（每日 JSONL 分片） ├── scene_blocks/ — L2 场景 Markdown 文件 ├── persona.md — L3 用户画像 ├── vectors.db — SQLite 数据库（向量 + 全文索引） ├── .metadata/ — checkpoint、scene_index.json └── .backup/ — 滚动备份

这些目录与文件在仓库源码中均可逐一对应：

• conversations/：L0 对话捕获由 src/core/conversation/l0-recorder.ts 实现，注释明确写着"writes to~/.openclaw/memory-tdai/conversations/YYYY-MM-DD.jsonl"，即按日期分片的 JSONL 文件；src/cli/commands/seed.ts 中的openclaw memory-tdai seed --input conversations.json命令也印证了该目录是 L0 数据的标准入口；
• scene_blocks/与persona.md：L3 画像生成在 src/core/persona/persona-generator.ts 中按dataDir/scene_blocks读取场景文件，并由 LLM 写回persona.md（L181 备份、L215 后处理）；召回侧 src/core/hooks/auto-recall.ts 直接从profileDataDir/persona.md读取画像内容注入提示词；
• .metadata/：包含 checkpoint 与 scene_index.json。src/core/persona/persona-generator.ts 中 checkpoint 路径为dataDir/.metadata/recall_checkpoint.json；src/cli/README.md 展示的数据目录树中同样列出.metadata/及其下的checkpoint.json（管线进度）。

配置脱敏规则

导出脚本对openclaw.json执行以下脱敏：

脱敏设计的原则是"保插件、杀密钥"：plugins完整配置（含 memory-tencentdb 的 recall/capture/extraction/pipeline/embedding 等分组，参见 SKILL.md 的推荐模板）必须原样保留，因为它是排查向量检索、召回策略等问题的核心现场；而所有可能泄露凭据的字段一律遮蔽。这与仓库全局的密钥管理规范一致——例如 SKILL.md 的安全合规约束要求"将 apiKey 视为敏感信息，优先使用环境变量注入密钥"。

手动导出（脚本不可用时的备选方案）

如果导出脚本无法执行（如 Node.js 不可用），按以下步骤手动收集：

# 1. 创建导出目录 EXPORT_DIR=~/Downloads/openclaw-diagnostic-$(date +%Y%m%d-%H%M%S) mkdir -p "$EXPORT_DIR" # 2. 复制日志 cp -r ~/.openclaw/logs/ "$EXPORT_DIR/logs/" 2>/dev/null cp /tmp/openclaw/openclaw-$(date +%Y-%m-%d).log "$EXPORT_DIR/" 2>/dev/null # 3. 复制记忆插件数据 cp -r ~/.openclaw/memory-tdai/ "$EXPORT_DIR/memory-tdai/" 2>/dev/null # 4. 手动脱敏配置（⚠️ 必须手动删除敏感字段！） # 复制配置并用编辑器删除 models/secrets/channels 块和所有 apiKey/token 值 cp ~/.openclaw/openclaw.json "$EXPORT_DIR/openclaw-config-NEEDS-MANUAL-REDACTION.json" # 5. 打包 cd ~/Downloads && tar -czf "$EXPORT_DIR.tar.gz" "$(basename $EXPORT_DIR)" echo "⚠️ 请务必在发送前手动检查并删除配置中的敏感信息！"

手动路径的关键差异在第 4 步：由于没有脚本自动脱敏，产物文件名被刻意标记为openclaw-config-NEEDS-MANUAL-REDACTION.json，强制提醒操作者在发送前人工检查并删除models/secrets/channels块以及所有apiKey/token值。若当前环境设置了TDAI_DATA_DIR或MEMORY_TENCENTDB_ROOT（覆盖数据目录的配置方式，见 src/gateway/config.ts 中TDAI_DATA_DIR ?? data.baseDir ?? resolveDefaultDataDir()的解析优先级），第 3 步应复制到实际的数据目录位置，而非硬编码的~/.openclaw/memory-tdai/。

常见问题排查线索

导出数据后，研发团队通常关注以下方面：

这些排查线索与源码中的日志埋点一一对应：网关调度器在 src/gateway/server.ts 中为 L1/L2/L3 各阶段输出了[executor]前缀的调度与跳过日志（如 credit limit 检查、L1 drain 入队、L2/L3 间隔控制等），配合[recall]召回日志与[pipeline]管线日志，即可还原"插件注册 → 对话捕获 → L1 提取 → L2 场景 → L3 画像 → 召回注入"的完整链路状态；recall_checkpoint.json则记录了管线进度游标，用于判断 L1/L2/L3 是否在特定会话处停滞。

安全与合规要点

一次合格的诊断导出，本质上是一次受控的隐私数据打包。务必牢记三点：

1. 压缩包不会自动上传：产物只落在本地~/Downloads/，由用户手动通过企微/邮件发送，杜绝数据外泄路径；
2. 记忆数据必须二次确认：memory-tdai/内含用户对话原文（L0/L1 分片），分享前必须获得用户明确同意；
3. 脱敏不是可选项：脚本自动脱敏覆盖apiKey/token/password/secret/credential等字段，手动导出时这条责任完全转移到操作者身上——文件名中的NEEDS-MANUAL-REDACTION后缀就是最后一道提醒。

将本技能与仓库中的安装配置技能（SKILL.md）、数据目录说明（hermes-plugin/memory/memory_tencentdb/README.md）配合使用，即可构成 OpenClaw + memory-tencentdb 场景下"部署 → 配置 → 验证 → 排障"的完整运维闭环。

【免费下载链接】TencentDB-Agent-MemoryTencentDB Agent Memory is a team-level memory hub for AI Agents — turning conversations, docs, and code into four reusable memory assets (Chat Memory, Skill, LLM-Wiki, Code-Graph) that are governed, shared, and equipped across agents and frameworks.项目地址: https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-Memory