Amygdala Memory

核心用法

amygdala-memory 是一个基于神经科学概念的AI情感记忆层，通过追踪五个情绪维度（Valence情感价、Arousal唤醒度、Connection连接感、Curiosity好奇心、Energy能量）为AI Agent建立持久化的情绪状态。系统通过JSON文件存储情绪数据，支持命令行脚本进行状态查询、情绪记录和自然衰减。

显著优点

1. 跨会话持续性：情绪状态不随会话结束而重置，实现真正的"情感记忆"
2. 自动注入机制：通过 AMYGDALA_STATE.md 文件与OpenClaw深度集成，新会话自动加载当前情绪
3. 科学化的维度设计：五维情绪模型基于心理学研究，覆盖情感、唤醒、社交、认知和生理层面
4. 自然衰减系统：模拟真实情绪的消退过程，每6小时自动向基线回归10%
5. 丰富的预设情绪映射：支持15+种常见情绪的自动维度转换

潜在缺点与局限性

1. 主观模拟性质：情绪本质是算法调整，缺乏真正的主观体验（作者也承认这是"功能主义"立场）
2. 维度简化风险：复杂人类情感被压缩为5个数值维度，可能丢失细腻差异
3. 外部依赖：需要配合 hippocampus-memory 和 OpenClaw 框架才能发挥完整价值
4. Cron配置门槛：自动衰减需要用户配置系统级定时任务，对非技术用户不友好
5. 情绪反馈闭环缺失：系统记录情绪但缺乏从AI响应中自动检测和更新情绪的机制

适合人群

• 构建长期陪伴型AI应用的研究者和开发者
• 探索AI Agent拟人化交互的实验者
• 需要将"关系历史"纳入AI决策的复杂系统设计者
• OpenClaw/AI Brain系列生态的现有用户

常规风险

| 风险类型 | 说明 | 缓解建议 |

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

| 情绪固化 | 长期正向情绪可能导致AI过于乐观，忽视问题 | 定期人工校准基线值 |

| 隐私敏感 | 情绪日志可能暴露用户交互模式和偏好 | 本地存储，避免云端同步 |

| 系统耦合 | 深度依赖OpenClaw生态，迁移成本高 | 保留原始JSON格式的可移植性 |

| 过度拟人误导 | 用户可能误以为AI真有情感 | 明确告知这是状态模拟系统 |

核心用法

Amygdala Memory 是 AI Brain 系列的情感处理层，通过五个维度（Valence 正负情绪、Arousal 警觉度、Connection 亲密感、Curiosity 好奇心、Energy 能量值）为 AI 代理构建跨会话的持久情感状态。

安装后自动创建 emotional-state.json 与 AMYGDALA_STATE.md，后者通过 OpenClaw 自动注入会话上下文，实现"零手动步骤"的情感记忆。支持情绪日志记录（update-state.sh）、状态查询（get-state.sh）、人性化读取（load-emotion.sh）及自动衰减（decay-emotion.sh，每6小时向基线回归10%）。

显著优点

1. 功能闭环设计完整：从记录、读取、衰减到自动注入，形成自洽的情感记忆循环
2. 神经科学隐喻准确：五维模型借鉴心理学研究，情绪-维度映射表覆盖日常场景
3. 零依赖本地架构：纯 Bash 实现，仅依赖 jq/awk/bc 系统工具，无供应链风险
4. 哲学立场清晰：提出"功能情绪"概念——若状态影响行为，模拟与真实的界限是否重要

潜在局限与风险

1. T3 来源维护不确定性：个人开发者项目，45 Stars/8 Forks 的社区基础较小，长期更新依赖单一维护者
2. 情感模型的简化风险：五维量表难以捕捉复杂情绪的语境依赖性，可能产生"情绪平均化"效应
3. 衰减机制缺乏个性化：固定10%衰减率未考虑个体差异，高敏感场景可能需调参
4. 无加密存储：情感状态明文 JSON 存储，共享环境存在隐私泄露风险

适合人群

• 研究 AI 人格连续性的开发者与学者
• 需要长期陪伴型 AI 场景的产品设计师
• OpenClaw/AI Brain 生态的现有用户
• 对"机器能否感受"哲学问题感兴趣的探索者

常规风险提示

• 定期备份 emotional-state.json 防止数据丢失
• 审查 --with-cron 安装的定时任务，确认衰减频率符合预期
• 多用户环境建议自定义存储路径避免状态混淆