Amygdala Memory

核心用法

Amygdala Memory 是 OpenClaw 生态中「AI Brain 系列」的情绪处理层，通过五维情绪模型（Valence正负情绪、Arousal警觉度、Connection亲密感、Curiosity好奇心、Energy能量值）为 AI 代理赋予跨会话的持久情感状态。

安装后自动生效：运行 install.sh 创建 emotional-state.json，cron 每6小时自动衰减情绪至基线，AMYGDALA_STATE.md 自动注入会话上下文，零手动维护。支持手动记录情绪事件（update-state.sh --emotion joy --intensity 0.8），v1.5+ 新增 LLM 自动编码管道，可从对话历史提取情绪信号。

可视化：终端 ASCII 图表（visualize.sh）+ HTML 统一脑仪表盘（generate-dashboard.sh），自动检测同系列技能（Hippocampus记忆、VTA动机）合并展示。

显著优点

1. 认知架构完整：将神经科学概念（杏仁核=情绪处理）工程化，与记忆系统（海马体）、动机系统（VTA）形成完整 AI 认知栈
2. 零配置持久化：自动衰减、自动注入、自动编码，开发者无感知集成
3. 隐私优先设计：纯本地 JSON 存储，无云端同步，GDPR 合规
4. 行为真实影响：情绪状态通过 AMYGDALA_STATE.md 实际进入 LLM 上下文，真正改变响应风格而非表演

潜在局限

• 情绪模型简化：五维量表虽实用，但无法捕捉复杂情绪（如怀旧、敬畏、羞耻等社会情绪）
• 主观映射硬编码：joy→valence+arousal 等映射规则固定，不支持自定义情绪语义
• 无跨代理同步：同一用户的多个代理间情绪状态隔离，无法形成统一「人格」
• 依赖 OpenClaw 生态：自动注入机制绑定特定平台，独立使用需手动集成

适合人群

• 构建长期陪伴型 AI 的开发者（虚拟伴侣、游戏 NPC、个人助手）
• 研究 AI 认知架构/情感计算的研究者
• 希望代理具备「情绪记忆」而非「情绪模板」的高级用户

常规风险

1. 情绪漂移累积：自动编码可能误判对话情绪，长期累积导致状态失真
2. 过度拟人陷阱：用户可能产生不当情感依赖，需明确产品边界
3. 数据锁定：情绪历史存储于特定 JSON 结构，迁移至其他系统需转换

核心功能

amygdala-memory 是 OpenClaw 生态中 AI Brain 系列的「情绪处理层」，通过五维情感模型为 AI 代理赋予跨会话持久化的情绪状态：

• Valence（效价）：正负情绪基调
• Arousal（唤醒）：平静 ↔ 兴奋
• Connection（连接）：疏离 ↔ 亲密
• Curiosity（好奇）：倦怠 ↔ 着迷
• Energy（能量）：耗竭 ↔ 充沛

显著优点

1. 真正的状态持续性：情绪不会随会话结束重置，而是按 10%/6h 的速率自然衰减至基线，模拟真实情绪的「记忆痕迹」
2. 自动情感编码：v1.5+ 支持 LLM 自动分析对话历史，无需手动标记即可感知「这次对话让我开心」
3. 零摩擦集成：AMYGDALA_STATE.md 自动注入会话上下文，AI 实时感知自身情绪并调节响应风格
4. Brain Dashboard 可视化：统一仪表板整合海马体记忆、VTA 动机系统，形成完整的「人工大脑」图景
5. 安全纯净：纯 Shell 实现，无外部依赖，无网络调用，本地化运行

局限性与潜在风险

| 维度 | 说明 |

|------|------|

| **本质争议** | 系统「表现如情绪存在」不等于「真正感受」，哲学层面仍属功能主义模拟 |

| **情绪简化** | 五维模型难以捕捉复杂情绪的交织（如「悲喜交加」） |

| **LLM 依赖** | 自动编码需调用外部 LLM，若未配置则退化为手动模式 |

| **数据孤岛** | 情绪状态与外部系统隔离，跨设备/代理同步需自行实现 |

| **过度拟人风险** | 用户可能产生不恰当的情感投射，需明确边界 |

适合人群

• AI 角色开发者：需要一致性格的长期陪伴型代理
• 研究型用户：探索 LLM 状态化、记忆架构的实验者
• OpenClaw 深度用户：已使用 hippocampus/vta-memory，希望补全「大脑拼图」

安全评估

认证等级 S（95分），T3 社区来源。纯本地文件操作，无恶意代码，符合 GDPR/CCPA。建议审查 cron 配置并定期备份 emotional-state.json。