核心用法
Fluid Memory 是一套模拟人类认知规律的记忆系统，通过「植入-唤起-遗忘」三位一体机制，让AI助手实现类人的长期记忆能力。核心交互模式包括：
- 自动学习：通过 Hook 监听对话流，无需显式指令即可累积记忆
- 主动调用：用户说「记住xxx」「还记得吗」时触发对应工具
- 增量总结：推荐
fluid_increment_summarize替代全量总结，显著节省Token
显著优点
1. 认知拟真：检索时自动强化高频记忆，低频知识自然衰减，符合艾宾浩斯遗忘曲线
2. 架构灵活：支持自动/手动双模式，可通过 config.yaml 精细控制
3. 语义感知：基于向量分数过滤（<0.05 遗忘阈值），非简单关键词匹配
4. 成本优化：增量总结机制避免重复处理历史对话
潜在局限
- 冷启动问题：新记忆需多次检索强化才能稳定留存
- 阈值黑箱：0.05/0.15 等遗忘分数对用户不可解释
- Hook依赖：自动学习依赖外部事件系统，降级时需手动兜底
- 无冲突解决：相同主题的新旧记忆未定义合并策略
适合人群
- 需要长期陪伴型AI的C端用户
- 构建个性化知识库的开发者
- 追求「类人」交互体验的产品设计
常规风险
| 风险点 | 说明 |
|--------|------|
| 记忆漂移 | 多次检索强化可能导致偏见放大 |
| 隐私残留 | 「遗忘」实为归档，物理删除需额外确认 |
| 阈值误杀 | 重要但低频的记忆可能被意外过滤 |