QClaw通过本地持续记忆、高频交互锚点、结构化训练、偏差校准与跨端同步五步实现个性化复现。需启用本地记忆、重复指令触发锚点、上传文档训练模型、纠正错误反馈、导出导入记忆快照确保多端一致。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望QClaw在使用过程中准确识别并复现您的工作节奏、常用指令结构或高频操作路径，其核心依赖于内置的持续记忆机制与个性化训练能力。以下是实现该目标的具体操作路径：
一、启用并确认本地持续记忆功能
QClaw所有记忆行为均基于本地部署完成，不上传任何数据至云端，确保隐私安全。系统默认开启持续记忆，但需确认设置状态是否激活。
1、启动QClaw客户端，在主界面右上角点击齿轮图标进入【设置】。
2、在【隐私与安全】选项卡中，检查“启用持续记忆”开关是否处于开启状态。
3、若为关闭状态，请手动开启，并留意下方提示：“记忆数据仅存储于本机，重启后仍保留”。
二、通过高频交互触发记忆锚点
QClaw的记忆并非被动记录全部操作，而是通过语义重复、指令模式固化和上下文连贯性自动提取关键锚点，例如固定文件路径、命名习惯、常用工具组合等。
1、连续3次以上使用相同自然语言结构发起同类任务，例如：“把桌面的日报发到飞书‘运营组’”，重复发送三次。
2、在微信中向QClaw发送含明确偏好词的指令，如：“以后Excel表格都用微软雅黑10号字”，随后执行一次格式调整操作。
3、对同一类文件（如以“周报_”开头的Word文档）连续执行打开→编辑→保存动作，系统将自动关联该前缀与操作链。
三、主动注入结构化训练样本
QClaw支持用户导入自有文本材料进行风格与流程建模，该方式可加速AI对您写作逻辑、汇报结构、术语体系的理解固化。
1、准备20–200篇已有的工作文档（支持.txt、.md、.docx格式），内容需覆盖常用场景，如会议纪要、项目方案、数据分析简报。
多模态论文可视化引擎，自动从 PDF 或纯文本生成学术插图，支持全篇扫描识别可图化内容、双编码器架构图/算法流程图/动机图生成、自校核、LaTeX/Word 图注输出、Matplotlib 精确绘图，并提供独立 PDF→Text 提取工具。
2、在QClaw客户端【技能中心】→【我的模型】→【训练新记忆模块】中，点击“上传文档集”按钮。
3、上传完成后，系统将自动解析段落层级、标题模板、高频动词与结尾句式，并生成专属记忆指纹（ID以QC-开头）。
4、在后续微信指令中加入该ID，例如：“用QC-7A2F模板重写这段话”，即可调用对应记忆模块输出。
四、校准记忆偏差与误记反馈
当QClaw复现的操作与您预期不符时，可通过即时反馈机制修正记忆权重，避免错误模式被强化。
1、在微信中收到QClaw执行结果后，若存在偏差，立即回复“不对，应该是……”，并给出正确版本。
2、在客户端内点击该条历史记录右侧的“纠正记忆”按钮，系统将锁定该对话上下文用于反向训练。
3、连续2次对同一类型错误执行纠正操作后，QClaw将在下次同类指令中优先调用修正后的行为路径。
五、绑定多端操作一致性策略
若您在Mac与Windows双系统间切换使用QClaw，需统一记忆映射关系，防止因系统差异导致习惯识别断裂。
1、在任一设备完成初始记忆训练后，进入【设置】→【跨设备同步】，点击“导出本地记忆快照”。
2、将生成的.qcmem文件（加密二进制格式）通过U盘或局域网传输至另一台设备。
3、在目标设备【设置】→【跨设备同步】中选择“导入记忆快照”，导入后所有已训练的锚点与模板将完全一致复现。
