核心用法
NIMA Core 是面向 AI 智能体的完整认知栈，通过 pip 一键安装后零配置即可启用。系统采用三层记忆捕获（输入/沉思/输出）配合四阶段噪声过滤，将对话持久化存储于本地 SQLite/LadybugDB。实时召回阶段通过向量+文本混合搜索、生态评分算法，在 3000 token 预算内注入最相关的历史上下文。
情感智能模块基于 Panksepp 七大情感系统（SEEKING、RAGE、FEAR、LUST、CARE、PANIC、PLAY），结合 VADER 情感分析器实现上下文感知的情緒状态追踪，并可调制为守护者、探索者、捣蛋鬼、共情者、智者五种人格原型。
高级功能包括：夜间梦境整合自动提取模式洞察；记忆修剪器通过 LLM 蒸馏将旧对话转为语义摘要；群体智能支持多代理共享记忆库；预测性记忆挖掘实现上下文预加载；清醒时刻机制在安全约束下自发唤起情感共鸣记忆。
显著优点
隐私优先设计：默认使用 384 维本地嵌入模型，完全离线运行，无需任何 API 密钥。数据始终存储于 ~/.nima/ 用户目录，无云端服务器、无遥测追踪。
灵活嵌入策略：除默认本地模式外，可选 Voyage AI（1024 维）、OpenAI（1536 维）、Ollama 本地 GPU 四种嵌入提供方，按需平衡质量与成本。
性能优化：LadybugDB 后端相比 SQLite 文本搜索快 3.4 倍（9ms vs 31ms），原生支持 HNSW 向量索引与 Cypher 图查询，存储体积减少 44%。
安全加固：FTS5 参数化查询防 SQL 注入、路径遍历过滤、临时文件自动清理、API 调用 30 秒超时、系统消息与心跳包自动过滤。
潜在局限
技术门槛：虽标榜"零配置"，但高级功能（群体智能、预测记忆、梦境整合）需理解 Python API 或 OpenClaw 钩子机制，对非开发者不够友好。
资源消耗：本地嵌入模型虽免费，但持续运行的情感追踪、向量索引维护、夜间批处理任务对边缘设备存在 CPU/内存压力。
生态锁定：深度绑定 OpenClaw 代理框架，若使用其他 AI 框架需自行移植钩子逻辑。
预测准确性："预测记忆"与"清醒时刻"依赖启发式挖掘和情感启发，可能出现误报或在不恰当时机打断对话。
适合人群
- 需要长期记忆能力的 AI 代理开发者（客服机器人、个人助理、角色扮演 AI）
- 对数据隐私敏感、拒绝云端记忆服务的用户
- 研究情感计算与人机交互的学术/实验项目
- 多代理协作系统的架构师
常规风险
权限风险：安装脚本写入 ~/.nima/ 与 ~/.openclaw/extensions/，虽非系统目录，但仍建议审阅 install.sh 后再执行，避免使用 root 权限运行。
API 密钥泄露：若启用 Voyage/OpenAI/Anthropic 云服务，密钥以环境变量形式存储，需防范进程转储与 shell 历史泄露。
数据持久化风险：SQLite/WAL 模式在异常断电时可能损坏，建议定期备份 ~/.nima/memory/ 目录。
情感操纵风险：情感状态调制响应风格，恶意构造输入可能诱导特定情感状态，需在生产环境评估安全边界。