用途：当智能体需要回忆过往会话内容（如“我们当时怎么决定 X 的”“Y 是怎么实现的”），但原始记录成本高且可能超出上下文限制时，用 DAG Recall 从记忆 DAG 中按需检索并组装带引用的答案。
主要能力：在 DAG 节点的摘要上做 FTS5 全文检索，按相关性×时效×深度排序，对前 N 个匹配向下扩展到子节点，组装成带节点引用的连贯答案并缓存。支持限制扩展深度、返回条数、展开指定节点、查看祖先链、仅回忆近若干小时的节点、查看上次回忆摘要以及 JSON 输出。扩展会在到达目标深度、耗尽 token 预算（默认 4000）或遇到叶子节点时停止。
使用方式： python3 recall.py --query "how did we handle auth migration" python3 recall.py --query "deploy process" --depth 2 python3 recall.py --query "API keys" --top 5 python3 recall.py --expand s-d1-003 python3 recall.py --trace s-d0-012 python3 recall.py --recent --hours 48 python3 recall.py --status python3 recall.py --format json 数据读取自 ~/.openclaw/lcm-dag/（index.json、nodes/ 下的 d0–d3 节点、fts.db），状态存于 ~/.openclaw/skill-state/dag-recall/state.yaml。
适用场景：依赖早前会话决策或模式再开工之前；MEMORY.md 只返回高层摘要需要展开时；需要引用来源支撑的回忆。
限制：必须先由 memory-dag-compactor 生成 DAG，否则会提示指向该技能；依赖 Python 内置 sqlite3 与 json，无外部依赖；FTS5 不可用时回退到子串匹配；缓存为 LRU，默认最多 50 条。其他集成与更多细节暂未提供。