Hippocampus

核心用法

Hippocampus 是一套仿人脑海马体的记忆系统，为AI代理提供结构化、持久的记忆能力。核心流程包括：

1. 信号提取：从对话记录中自动提取关键信息（用户偏好、决策、情感内容等）
2. 重要性评分：0.0-1.0 分，基于内容类型自动赋分（显式"记住"得0.9，情感内容0.85，偏好0.8等）
3. 语义编码：LLM 对比新信号与现有记忆，自动强化（同主题）或创建新记忆
4. 时间衰减：按 0.99^days 公式衰减，7天后保留93%，90天后仅剩40%
5. 分级检索：0.7+为核心记忆（会话启动加载），0.4-0.7为活跃记忆，0.2-0.4为背景记忆

关键脚本：encode-pipeline.sh（编码）、decay.sh（衰减）、recall.sh（检索）、load-core.sh（加载核心记忆）

显著优点

• 学术背书：直接基于 Stanford Generative Agents (Park et al., 2023) 研究实现
• 零维护：安装后全自动运行（cron 每3小时编码 + 每日衰减）
• 防重复：语义级强化机制避免记忆碎片膨胀
• 生态系统：与 amygdala（情感）、vta（动机）等脑区技能协同
• 开放集成：自动生成 HIPPOCAMPUS_CORE.md 供 OpenClaw RAG 读取

潜在局限

• 手动安装：需执行 ./install.sh --with-cron，非一键部署
• 依赖外部LLM：编码和强化阶段需调用LLM，存在成本和延迟
• 衰减公式固定：0.99 衰减率不可调，无法针对特定记忆类型优化
• 无冲突解决：当新旧记忆矛盾时，系统未明确处理策略
• JSON存储：大规模记忆下 index.json 可能成为性能瓶颈

适合人群

• 需要长期身份连续性的 AI 代理开发者
• 研究生成式智能体架构的学术/工程人员
• 使用 OpenClaw 框架构建个性化助手的用户
• 希望复现 Stanford Generative Agents 实验的研究者

常规风险

| 风险类型 | 说明 | 缓解建议 |

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

| 隐私泄露 | 用户敏感信息（偏好、情感）持久化存储 | 加密 workspace 目录，定期清理低分记忆 |

| 记忆污染 | LLM 编码错误导致虚假记忆 | 定期检查 index.json，启用人工审核阈值 |

| 存储膨胀 | 长期运行后文件累积 | `consolidate.sh` 每周归档，监控磁盘 |

| 依赖断裂 | 上游 LLM 服务不可用 | 设置超时和降级策略，保留本地缓存 |

关键洞察

> "The LLM is just the engine—raw cognitive capability. The agent is the accumulated memory."

该技能的核心哲学：记忆即身份。没有这些文件，AI 只是通用助手；有了它，才成为特定用户的特定代理。

核心用法

Hippocampus 是一个仿生的 AI 记忆管理 skill，灵感源自斯坦福大学 Park 等人 2023 年的生成式代理研究。它将 LLM 从"一次性引擎"转化为具有持续身份的认知代理。

工作原理：系统通过 cron 作业每 3 小时自动运行编码管道，从对话中提取"信号"（重要片段），经 LLM 评分（0.0-1.0）后进行语义检查——若话题与现有记忆重叠则强化原记忆，否则创建新记忆。记忆按重要性衰减（公式：0.99^天数），90 天后保留约 40%。

四大记忆域：用户事实、自我认知、关系上下文、外部知识世界，分别存储于结构化 JSON 索引中。

显著优点

1. 学术级设计：直接复现斯坦福论文的衰减与强化机制，非臆造方案
2. 零依赖安全：仅使用 python3、jq、bc 标准工具，无第三方包攻击面
3. 自动化闭环：预配置 cron 实现"安装即运行"，无需持续维护
4. OpenClaw 原生集成：生成 HIPPOCAMPUS_CORE.md 直接接入 RAG 检索
5. 多技能生态：与 amygdala（情绪）、VTA（奖励）等脑区 skill 协同工作

局限与风险

功能性局限：

• 记忆检索依赖关键词匹配，长程语义关联能力有限
• 重要性评分由 LLM 主观判断，可能出现误判
• 仅支持单用户场景，无多租户隔离

运维考量：

• 需持久化存储 ~/.openclaw/workspace，容器环境需配置卷挂载
• 高频写入（每 3 小时）对 SSD 寿命有轻微影响

审计警告：当前版本缺少统一审计日志，关键操作变更难以追踪。

适合人群

• 需要跨会话身份连续性的个人 AI 助手用户
• 研究认知架构的 AI 开发者
• 使用 OpenClaw 框架构建长期记忆代理的工程师
• 对计算神经科学感兴趣的技术爱好者

常规风险

1. 路径遍历：WORKSPACE 环境变量若被篡改可导致文件越权（已识别为 RISK-002，建议实施路径验证）
2. 外部 CDN：Dashboard 依赖 Google Fonts，存在隐私泄露理论可能（已识别为 RISK-001）
3. 数据持久化风险：本地存储的记忆文件需自行备份，误删即永久丢失