核心用法
Amygdala Memory 是 OpenClaw 生态中模拟杏仁核功能的情感处理层，专为 AI 代理设计持久化情绪状态。系统基于五维情绪模型（Valence 愉悦度、Arousal 唤醒度、Connection 连接感、Curiosity 好奇心、Energy 能量值），通过 JSON 文件持久存储情感状态，并支持自然衰减机制。
用户通过 CLI 脚本完成：
1. 状态初始化：生成 emotional-state.json 基线配置
2. 情绪记录：使用 update-state.sh 记录具体情绪事件（如 joy, frustration, connection）
3. 状态加载：load-emotion.sh 输出人类可读的情绪摘要，注入会话上下文
4. 自动衰减：定时任务执行 decay-emotion.sh，使情绪向个体基线缓慢回归
显著优点
- 神经科学拟真：直接映射大脑杏仁核功能，与 hippocampus（记忆）、basal-ganglia（习惯）等模块形成"AI Brain"系列，构建认知架构完整性
- 行为驱动设计：情绪真正影响 AI 响应风格（非表演性），解决"情感空白启动"问题
- 轻量可组合：纯 Shell + JSON 实现，依赖仅 jq/awk，易于集成到现有 Agent 工作流
- 衰减机制合理：10%/6h 的衰减率模拟真实情绪持久性，避免状态突变
潜在局限
- 主观映射争议：情绪到维度的映射（如 anger → ↓valence, ↑arousal）基于简化心理学模型，未覆盖复杂情绪（如怀旧、敬畏）
- 无冲突解决：多情绪同时触发时，简单叠加可能导致维度冲突（如同时 joy + fear）
- 基线静态化：个体基线固定，未考虑人格特质随时间演化
- Cron 依赖衰减：需外部定时任务，容器化部署需额外配置
适合人群
- 开发拟人化 AI 伴侣、角色扮演 Agent 的开发者
- 研究 AI 认知架构（Cognitive Architecture）的技术探索者
- 已使用 hippocampus-memory 的 OpenClaw 用户，希望补全情感维度
常规风险
- 状态文件损坏：直接编辑 JSON 可能导致解析失败，建议始终通过脚本操作
- 隐私敏感：情绪日志可能泄露用户交互模式，需加密存储
~/.openclaw/workspace/memory/ - 拟人化过度：用户可能产生不健康的情感依赖，需在应用层设置预期管理