类人认知架构的长期记忆系统

基于认知架构的多存储记忆系统，支持情景/语义/程序/核心四层记忆、知识图谱与哲学反思，实现类人的记忆编码、巩固与遗忘机制。

基本信息

• 技能名称?cognitive-memory
• 中文名称?类人认知架构的长期记忆系统
• 作者?Icemilo414
• 分类?专业技能
• 版本?v1.0.8
• 标签?ai-ml, productivity, automation, database, docs, backend, project-program-management

使用方法

使用说明
核心用法
Cognitive Memory 是一套面向 AI Agent 的认知级记忆系统，通过四层存储架构（情景记忆、语义记忆、程序记忆、核心记忆）替代传统的扁平文件记忆。用户通过自然语言触发器（"记住"、"忘记"、"反思"）与系统交互，系统自动完成记忆分类、存储、衰减评分和审计追踪。
初始化流程简单：运行 init_memory.sh 脚本创建工作目录结构，配置 JSON 启用搜索，将记忆模块追加到 Agent 指令即可。系统支持多 Agent 共享读取、主 Agent gated 写入的协作模式，以及基于 git 的完整审计链路。
显著优点

1. 认知真实性 ：模拟人类记忆的编码、巩固、衰减和回忆全过程，包含指数衰减模型（23 天半衰期）和类型权重调节
2. 哲学反思机制 ：独特的"睡眠时反思"功能，通过内部独白进行自我审视，支持自我形象演进和价值观沉淀
3. 知识图谱集成 ：语义记忆以实体-关系图形式组织，支持复杂关联查询
4. 多 Agent 协作 ：共享读取 + 审核写入的权限模型，适合团队协作场景
5. 完整可审计 ：双层审计（git 原子提交 + audit.log 摘要），关键文件变更自动标记
   潜在缺点与局限性
6. 纯本地存储 ：不支持跨设备同步，记忆数据绑定单台机器
7. Token 消耗较高 ：反思过程默认 8K 输出，深度反思可达 30K+ 输入，长期使用成本显著
8. T3 来源限制 ：个人开发者维护，缺乏组织级背书，企业场景可能受限
9. 学习曲线陡峭 ：四层存储的区分、衰减参数调优、反思流程审批等需要一定理解成本
10. 无自动同步机制 ：多 Agent 写入需人工审核，高频协作场景可能成为瓶颈
    适合的目标群体
    需要长期记忆沉淀的个人 AI 助手用户
    研究认知架构、AI 自我意识的开发者与学者
    多 Agent 协作系统的架构师
    对数据隐私有严格要求、拒绝云端记忆的商业用户
    使用风险
    存储膨胀 ：长期运行后记忆文件累积，需定期归档或手动清理
    衰减参数误调 ：λ 值设置不当可能导致重要记忆过早失效或垃圾记忆长期残留
    反思审批阻塞 ：流程设计强制等待用户确认，无人值守场景无法自动运行
    git 依赖风险 ：审计功能依赖本地 git 初始化，若权限不足或环境异常将降级为纯文件日志