auto-dream
Memory consolidation skill that replicates Anthropic's Auto Dream feature. Runs a 4-phase reflective pass over memory files: Orient → Gather → Merge → Prune. Use when: (1) Context window feels cluttered with stale info, (2) After long coding sessions, (3) Manually triggered with /dream, (4) Automatically after daily-reflection. Keeps memories tight, removes contradictions, converts relative dates to absolute.
Install via CLI (Recommended)
clawhub install openclaw/skills/skills/brasco05/auto-dreamAuto Dream — Memory Consolidation
Repliziert Anthropics Auto Dream Feature für OpenClaw. Führt einen 4-Phasen-Pass über alle Memory-Dateien durch und konsolidiert sie effizient.
Wann ausführen
- Nach langen Sessions (Kontext fühlt sich voll an)
- Manuell: "führe einen dream durch" / "konsolidiere memory"
- Automatisch: Wird vom daily-reflection Skill aufgerufen
- Nach Claude Code Sessions die viele Memory-Dateien erzeugt haben
Die 4 Phasen
Phase 1 — Orient
ls memory/
cat memory/morning-briefing.md (Index)
Skim alle topic files → verstehen was existiert
Ziel: Verstehen was da ist, Duplikate erkennen bevor sie entstehen.
Phase 2 — Gather Signal
Quellen in Prioritäts-Reihenfolge:
- Heutige Tages-Datei:
memory/YYYY-MM-DD.md(append-only Stream) - Nacht-Summary:
memory/nacht-summary.md - Session-Ende:
memory/session-ende-DATUM.md - Alte Memories die mit aktuellem Codebase-Stand widersprechen
- Bei Bedarf:
git log --oneline -20für aktuelle Commits
Nicht: Session-Transcripts exhaustiv lesen. Nur gezielt grep wenn nötig.
Phase 3 — Merge
Für jedes neue Signal das es wert ist gespeichert zu werden:
- In bestehende Topic-Dateien mergen, NICHT neue Duplikate anlegen
- Relative Daten ("gestern", "letzte Woche") → absolute Daten (2026-04-02)
- Widersprüche auflösen: wenn neue Info alte widerlegt → alte korrigieren/löschen
- Fakten-Updates: gelöste Tasks als ✅ markieren, offene aktualisieren
In MEMORY.md schreiben:
- Neue Projekte, Entscheidungen, Tech-Learnings
- Erledigte Tasks → in
durchgestrichenoder raus - Maximal ~200 Zeilen — es ist ein Index, kein Dump
- Jeder Eintrag: eine Zeile unter 150 Zeichen
Phase 4 — Prune
MEMORY.md auf Stand bringen:
- Einträge über gelöste Bugs/Tasks entfernen oder als ✅ markieren
- Veraltete Infos (>30 Tage, nicht mehr relevant) raus
- Widersprüchliche Einträge: das falsche fixen
- Index-Einträge über 200 Zeichen → Detail in Topic-Datei auslagern, Zeile kürzen
- Ziel: MEMORY.md bleibt unter 200 Zeilen und unter ~25KB
Output
Am Ende: Kurze Summary was konsolidiert, geupdatet oder gepruned wurde. Format:
🌙 Dream abgeschlossen
✅ Merged: [X neue Infos in bestehende Files]
🗑️ Pruned: [X veraltete Einträge entfernt]
🔧 Fixed: [X Widersprüche aufgelöst]
📝 MEMORY.md: [vorher] → [nachher] Zeilen
Wenn nichts geändert wurde: "Memories sind bereits tight — nichts zu tun."
Regeln
- Nicht exhaustiv lesen — gezielt scrollen, nicht alles lesen
- Merge statt create — bestehende Dateien verbessern, keine Duplikate
- Absolute Daten — "gestern" ist nach 3 Tagen wertlos
- Index bleibt Index — MEMORY.md ist Navigation, kein Content-Dump
- Secrets niemals — keine Tokens, Keys, Passwörter in Memory
- Idempotent — zweimaliges Ausführen ändert nichts wenn nichts neu ist
Integration mit daily-reflection
Metadata
Not sure this is the right skill?
Describe what you want to build — we'll match you to the best skill from 16,000+ options.
Find the right skillPaste this into your clawhub.json to enable this plugin.
{
"plugins": {
"official-brasco05-auto-dream": {
"enabled": true,
"auto_update": true
}
}
}Related Skills
coding-pipeline
Enforces a disciplined 4-phase pipeline for non-trivial coding tasks: Plan (hypothesis) → Code (one fix) → Validate (root cause) → Debug (max 3 tries, escalate). Prevents blind patching, symptom fixes, and retry loops. Activate for any bug fix, feature implementation, refactor, or error investigation that isn't a trivial one-line change.
daily-reflection
Daily reflection routine that runs automatically via cron job at 23:59. Analyzes the day, extracts learnings, updates solution memory, detects recurring patterns, and prepares a morning briefing. Use when: (1) setting up automated end-of-day reflection, (2) building long-term agent memory and learning systems, (3) creating morning briefings for the next day. Trigger phrases: 'daily reflection', 'end of day summary', 'reflect on today', 'update solution memory'.
Deep Debugging
Skill by brasco05
keyword-research
Multi-source keyword intelligence and autocomplete research. Fetches real-time suggestions from Google, YouTube, Amazon, and DuckDuckGo — no API key required. Use when: (1) doing SEO or content keyword research, (2) finding what users search for on a topic, (3) competitor or niche research, (4) expanding a seed keyword into hundreds of related terms, (5) building keyword lists for ads or content. Triggers on: keyword research, what do people search for, autocomplete, keyword ideas, SEO keywords, search suggestions, keyword list.
ollama-memory-setup
Sets up local semantic memory search for OpenClaw using Ollama + nomic-embed-text. Use when: (1) memory_search returns 'node-llama-cpp is missing' or 'Local embeddings unavailable' error, (2) user wants local/private embeddings without external API keys (OpenAI, Gemini, Voyage), (3) setting up memory search for the first time on macOS or Linux, (4) node-llama-cpp fails to install or build. Fixes the common node-llama-cpp installation failure by routing through Ollama's OpenAI-compatible embedding API instead of a local binary.