Anterior Cingulate Memory

核心用法

Anterior Cingulate Memory 模拟人脑前扣带回皮层功能，为 AI Agent 提供冲突检测与误差监控能力。其核心机制包括四层监测：

1. 预conscious 预警（"Something's off"）——在显性错误发生前捕捉异常信号
2. 信息矛盾识别——跨时间、跨来源检测逻辑不一致
3. 错误归因学习——建立错误模式库，支持经验沉淀
4. 不确定性量化——输出置信度评估，触发审慎策略切换

显著优点

• 神经科学基础扎实：直接映射 ACC 的认知控制功能，非启发式设计
• 系统性风险前置：从被动纠错转向主动预警，降低链式错误成本
• 与记忆系统协同：作为 AI Brain 系列第四模块，可与海马体、杏仁核等技能形成完整认知架构

局限性与风险

• 开发阶段未成熟：当前为 0.1.1 版本，核心算法尚未开源验证
• 误报率难平衡：过度敏感的冲突检测可能导致决策瘫痪
• 跨模态一致性挑战：文本、数值、逻辑冲突的统一表征尚无标准方案

适合人群

需要高可靠性 AI 代理的开发者，如金融风控、医疗辅助决策、复杂流程自动化场景。

常规风险

⚠️ 当前版本未经过生产环境验证，不建议直接用于关键业务。建议配合人工审核机制使用，并关注后续版本迭代。

核心用法

anterior-cingulate-memory 是 OpenClaw 社区「AI Brain 系列」中的冲突检测组件，模拟人类前扣带皮层（Anterior Cingulate Cortex, ACC）的认知功能。该技能为 AI 代理提供以下核心能力：

| 功能模块 | 作用描述 |

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

| "Something's off" 检测 | 预意识层面的异常预警信号，类似人类的"直觉不对劲" |

| 冲突监控 | 检测信息间的逻辑矛盾与不一致性 |

| 错误追踪 | 从过往失误中学习，建立错误模式库 |

| 不确定性感知 | 识别高置信度缺失场景，触发谨慎决策 |

显著优点

1. 神经科学理论基础扎实：基于 ACC 在错误监测与认知控制中的研究，设计有科学依据
2. 系列化架构设计：与 hippocampus（记忆形成）、amygdala-memory（情绪处理）等模块形成完整认知架构
3. 零安全风险：纯 Markdown 文档型 Skill（T-MD 分类），无可执行代码，评分 S+（满分 100）
4. 隐私合规完备：无数据收集、无权限申请，完全符合 GDPR/CCPA
5. 社区驱动开发：由 ImpKind 维护，OpenClaw 社区背书，来源可信（T2 级）

潜在局限

• 开发阶段风险：当前版本 v0.1.1 标记为 🚧 Under Development，核心功能尚未实现，仅为概念文档
• 功能未经验证：所有能力均为「规划中」状态，无实际代码支撑
• 生态依赖性强：需配合 AI Brain 系列其他模块（如 hippocampus、amygdala-memory）才能发挥完整价值
• 落地时间表不明：无明确功能上线计划，需用户主动关注更新

适合人群

• AI 架构研究者：对神经科学启发的认知架构感兴趣的开发者
• 多智能体系统设计：需要冲突检测与元认知能力的复杂 AI 系统构建者
• 早期技术跟踪者：愿意关注并参与开源 AI 基础设施建设的社区成员

常规风险

| 风险类型 | 评估 | 说明 |

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

| 功能风险 | ⚠️ 中高 | 当前无实际功能，仅为占位文档 |

| 安全风险 | ✅ 无 | 纯文档型，无可执行代码 |

| 隐私风险 | ✅ 无 | 无数据收集行为 |

| 供应链风险 | ✅ 低 | 仅链接至可信域名 clawhub.ai |

| 维护风险 | ⚠️ 中 | 开发状态，长期维护承诺未明确 |

关键提示：该 Skill 当前版本不具备任何可运行功能，建议仅用于技术跟踪与架构参考，待正式发布后再投入生产环境。