仿生神经网络，越用越聪明的持久记忆

零依赖的关联记忆系统，通过神经图扩散激活实现跨会话智能回忆，自动检测矛盾并支持因果链追踪。

基本信息

• 技能名称?Neural Memory
• 中文名称?仿生神经网络，越用越聪明的持久记忆
• 作者?nhadaututtheky
• 分类?AI 增强
• 版本?4.55.1
• 标签?memory-management, knowledge-graph, local-first, openclaw-plugin, privacy-focused, python, cognitive-architecture

使用方法

使用说明
NeuralMemory 综合评估
核心用法
NeuralMemory 是一款受生物神经科学启发的持久化记忆系统，专为 AI Agent 设计。其核心创新在于采用 扩散激活（spreading activation） 机制替代传统的关键词/向量搜索——记忆以神经图形式存储，包含神经元节点和 20 种类型化突触连接（如 BEFORE/AFTER 时间型、CAUSED_BY/LEADS_TO 因果型、IS_A/HAS_PROPERTY 语义型、CONTRADICTS 冲突型等）。
典型工作流：
会话启动 ：调用 nmem_context 注入近期记忆，或 nmem_recall 检索特定主题
会话中 ：决策/错误/偏好发生时即时 nmem_remember 存储；用户追问历史时深度召回
会话结束 ： nmem_auto 自动提取关键信息
深度层级 ：0 级（
显著优点

1. 零 LLM 依赖 ：纯算法实现（正则、图遍历、Hebbian 学习），无 API 成本与延迟
2. 概念关联优于字面匹配 ：即使无关键词/嵌入重叠，也能通过图遍历找到概念相关记忆
3. 生物可塑性 ：Hebbian 学习（"一起激发的神经元连在一起"）使高频共现记忆自动强化；Ebbinghaus 遗忘曲线实现自然衰减
4. 矛盾自检测 ：自动识别冲突记忆并降低旧记忆优先级
5. 完整生命周期管理 ：短期→工作→情景→语义记忆的渐进固化
6. 本地隐私 ：SQLite 本地存储，默认零外部传输
7. 双语支持 ：越南语+英语完整支持
   潜在缺点与局限性
   安装复杂度 ：需同时配置 Python 包（pip）和 Node 插件（npm），Windows 路径处理繁琐
   生态锁定 ：深度集成 OpenClaw 框架，MCP 模式缺少自动钩子功能
   无原生向量语义 ：依赖图结构而非嵌入空间，某些抽象语义关联可能缺失
   性能瓶颈 ：深度 3 召回达 500ms，大规模 brain 可能超时需调优
   维护状态 ：GitHub 仓库作者个人维护，长期更新保障存疑
   适合人群
   需要 跨会话持久记忆 的 OpenClaw/Cline 重度用户
   重视 隐私本地存储 、拒绝云端记忆方案的企业/个人
   工作流涉及 复杂决策追踪、错误复盘、因果分析 的开发者团队
   对 神经科学/认知模型 有偏好，愿承担配置成本的技术早期采用者
   常规风险
   | 风险类型 | 说明 | 缓解建议 | |---------|------|---------| | 数据丢失 | 本地 SQLite 无自动备份 | 定期 nmem_version 快照，重要 brain 异地备份 | | 记忆污染 | 错误/过时记忆未清理影响召回质量 | 启用矛盾检测，定期 nmem_health 诊断 | | 隐私泄露 | brain 文件可被本地其他程序读取 | 敏感项目使用独立 brain，文件系统权限管控 | | 版本不兼容 | 插件与 Python 包版本错配 | 同步更新，关注 GitHub release 说明 | | 召回幻觉 | 深度召回可能关联不相关记忆 | 合理设置 max_tokens，人工校验关键决策依据 |