核心用法
NeuralMemory 是一款生物启发的关联记忆系统，专为AI代理设计，替代传统的向量检索方案。其核心机制基于神经图（neural graph）：20种类型化突触连接神经元，通过扩散激活（spreading activation）实现概念关联召回，而非关键词匹配。用户通过nmem_remember存储决策、错误、偏好等记忆，通过nmem_recall进行多深度层级检索（0-3级），支持因果链追踪（CAUSED_BY/LEADS_TO突触）和时间序列推理。
系统提供OpenClaw插件（推荐）和MCP两种集成方式。插件占据memory独占槽位，自动在会话前注入上下文、会话后捕获记忆，实现零手工维护。63个MCP工具覆盖记忆管理、智能提取、健康诊断、版本控制等全生命周期。
显著优点
1. 概念级关联召回：与向量搜索不同，即使无关键词/嵌入重叠，也能通过图遍历找到概念相关记忆（如"auth决策"激活时间+实体+概念神经元取交集）
2. 零LLM依赖：纯算法实现（正则、图遍历、Hebbian学习），无API成本与延迟
3. 生物合理性：Ebbinghaus遗忘曲线、Hebbian"一起激发的神经元连在一起"、短期→工作→情景→语义的记忆层级
4. 强时序因果推理：20种突触类型支持因果链、矛盾检测、情感标记
5. 本地优先：SQLite存储，无外发数据（除非显式配置嵌入服务）
6. 双语支持：越南语+英语完整支持
潜在局限
- 深度检索延迟：Depth 3达~500ms，高频交互场景需权衡
- 本地状态管理：大脑文件需手动备份/迁移，无云端同步
- 学习曲线陡峭：突触类型、记忆层级、深度参数需理解生物隐喻
- 生态绑定：OpenClaw插件体验最佳，纯MCP缺失自动钩子功能
- 无原生多代理协同：Brain transplant可迁移知识，但非实时共享
适合人群
- 需要跨会话上下文保持的AI代理开发者
- 重视隐私本地存储的企业场景
- 研究神经符号AI/认知架构的研究者
- 处理复杂因果推理任务（如故障诊断、决策审计）的代理
常规风险
1. 数据持久化风险：SQLite文件损坏或误删导致记忆丢失，需定期nmem_version快照
2. 矛盾记忆累积：自动矛盾检测存在假阴性，长期运行可能产生逻辑冲突
3. 隐私边界模糊：nmem_transplant跨脑迁移时，敏感信息过滤依赖人工配置
4. 提示注入 via 记忆：恶意构造的记忆内容可能通过nmem_context注入会话上下文
5. Hebbian强化偏差：高频访问的偏见性记忆被强化，形成"信息茧房"