核心用法
NeuralMemory 是一款受生物神经系统启发的持久化记忆系统，专为 AI Agent 设计。其核心采用传播激活（spreading activation）机制，通过 20 种类型化突触构建神经图，实现概念关联而非关键词匹配的记忆检索。
典型工作流：
- 会话启动：调用
nmem_context注入近期记忆，使用nmem_recall激活相关上下文 - 会话中：决策用
nmem_remember(type="decision")，错误用type="error")，偏好用type="preference") - 会话结束：
nmem_auto(action="process")自动提取事实、决策与 TODO
深度召回层级：0级即时(<10ms)、1级上下文(~50ms)、2级习惯(~200ms)、3级深度(~500ms)，支持跨域关联与因果链追踪。
显著优点
1. 零LLM依赖：纯算法实现（正则、图遍历、Hebbian学习），无需API调用，响应确定性强
2. 概念关联优于向量搜索：通过图遍历找到无语义重叠的关联记忆（如"auth决策"同时激活时间+实体+概念神经元）
3. 丰富语义关系：20种突触类型涵盖时序(BEFORE/AFTER)、因果(CAUSED_BY/LEADS_TO)、语义(IS_A)、情感(FELT/EVOKES)、矛盾(CONTRADICTS)
4. 记忆生命周期管理：短程→工作→情景→语义记忆，配合艾宾浩斯衰减与Hebbian强化
5. 智能特性：自动矛盾检测、优先级调整、双语支持(越南语+英语)、大脑版本控制与迁移
潜在局限
- 初期冷启动：神经图需要积累才能显现关联优势，新用户初期召回质量可能不及向量库
- 深度查询延迟：3级深度召回~500ms，高频实时场景需权衡深度与性能
- 本地存储限制：SQLite单机架构，无法原生支持分布式多Agent共享（需
nmem_transplant手动迁移） - 调参复杂度：突触权重、衰减率、激活阈值等需根据场景微调
- OpenClaw生态绑定：自动注入/捕获等高级功能依赖OpenClaw插件，MCP模式为半自动
适合人群
- 需要跨会话上下文保持的AI Agent开发者
- 追求零外部依赖的隐私敏感场景
- 重视因果推理与决策溯源的企业工作流
- 希望渐进式学习而非静态检索的长期项目
常规风险
| 风险类型 | 说明 | 缓解建议 |
|---------|------|---------|
| 数据丢失 | 本地SQLite文件损坏 | 定期`nmem_version`快照，备份`~/.neuralmemory/` |
| 记忆污染 | 错误事实长期强化 | 利用`CONTRADICTS`突触主动标记，设置合理TTL |
| 路径配置错误 | Windows路径/构建问题常见 | 严格遵循文档路径格式，确认`dist/`存在 |
| 过度召回 | 深度搜索返回过多弱关联 | 控制`max_tokens`与`contextDepth`，结合优先级过滤 |