用途：OpenClaw 的记忆以扁平 MEMORY.md 存储，每行一条事实，随着记忆增长会出现重复、互相矛盾、过时以及占用大量 token 的问题。Memory Graph Builder 把 MEMORY.md 当作原始数据源，在其上构建结构化知识图谱，每条记忆成为带类型关系的节点，用于去重、矛盾检测、过期检测和生成压缩摘要。
主要能力：重复检测（如“prefers dark mode”与“likes dark theme”视为同一事实）；矛盾检测（如 Python 3.8 与 3.12）；过期检测（超过可配置天数未被引用）；记忆摘要——用关系感知的压缩摘要替换系统提示中的原始 MEMORY.md，据称节省 30-60% token。图谱节点含 id、text、category、entities、added_at、last_referenced、confidence，边关系包括 related_to、contradicts、supersedes、depends_on。
使用方式：可每晚 10 点通过 cron 自动重建图谱、检测重复与矛盾、标记过期、生成摘要并写入 ~/.openclaw/workspace/memory-digest.md，同时记录摘要到 state。常用命令：python3 graph.py --build、--duplicates、--contradictions、--stale --days 30、--digest、--digest --max-tokens 1500、--prune --dry-run、--prune、--stats、--status、--format json。流程为先构建图谱，再查看重复与矛盾，手动修改 MEMORY.md 或让代理澄清矛盾，然后修剪过期条目，最后生成摘要并把 OpenClaw 记忆注入指向摘要文件。状态存于 ~/.openclaw/skill-state/memory-graph-builder/state.yaml，字段含 last_build_at、node_count、edge_count、duplicate_count、contradiction_count、stale_count、digest_tokens、build_history。
适用场景：批量添加记忆后、上下文初始化变慢（记忆膨胀）时、或需要人工审计记忆质量时。
限制：资料未提供具体安装步骤、依赖要求、支持的平台与版本、收费信息；其效果与节省比例来自资料描述，未提供独立验证。