核心用法
NeuralMemory 是一款生物启发的关联记忆系统，专为AI Agent设计，替代传统的向量检索方案。其核心机制基于神经图传播激活（spreading activation）：记忆以神经元形式存储，通过20种类型化的突触（synapses）连接，包括时间序列（BEFORE/AFTER）、因果关系（CAUSED_BY/LEADS_TO）、语义关联（IS_A/HAS_PROPERTY）、情感标记（FELT/EVOKES）以及矛盾检测（CONTRADICTS）等。
使用流程分为三个阶段：
- 会话开始时：调用
nmem_context注入近期记忆，或针对特定主题执行nmem_recall - 会话进行中：通过
nmem_remember存储决策、错误、用户偏好；遇到用户询问历史时以深度参数执行关联召回 - 会话结束时：使用
nmem_auto自动从对话文本中提取事实、决策与待办事项
召回深度分为4级（0-3），从即时事实（<10ms）到跨领域深度关联（~500ms），支持因果链回溯与矛盾记忆自动降级。
显著优点
1. 概念级关联，非关键词匹配：向量搜索依赖语义相似度，而NeuralMemory通过图遍历找到"概念相关"的记忆——即使无关键词或嵌入重叠。例如"auth决策"可同时激活时间+实体+概念神经元并求交集。
2. 纯算法实现，零LLM依赖：基于正则、图遍历、Hebbian学习（"一起激发的神经元连在一起"），无需调用外部大模型即可实现记忆提取、情感分析和矛盾检测。
3. 记忆生命周期管理：实现艾宾浩斯遗忘曲线，记忆从短期→工作→情景→语义逐级转化， stale记忆自然衰减，避免信息膨胀。
4. 完整的双语支持：原生支持越南语与英语的记忆提取和情感分析。
5. OpenClaw深度集成：通过专属memory slot实现自动上下文注入（跨/new会话持久）和自动记忆捕获，6个核心工具即装即用。
潜在局限
1. 冷启动问题：新 brain 需要足够交互积累才能形成有效的突触连接网络，初期召回质量依赖人工标记的优先级与标签。
2. 深度召回延迟：深度=3的跨域关联耗时约500ms，高频实时场景需权衡精度与延迟。
3. 本地存储限制：默认SQLite本地存储（~/.neuralmemory/），多设备同步需手动执行nmem_transplant移植。
4. Windows配置复杂度：路径分隔符、python vs python3等细节增加非Unix环境部署门槛。
适合人群
- 需要跨会话持久上下文的AI Agent开发者
- 对可解释召回有需求的研究者（因果链可追溯，非黑盒相似度）
- 追求数据隐私本地化的企业用户（零外部服务调用）
- 处理多语言（英越）知识管理的国际化团队
常规风险
- 存储路径泄露风险：brain文件位于用户目录，共享环境需设置权限隔离
- 版本回滚误操作：
nmem_version的快照/回滚功能在误用时可能导致记忆断点 - 突触网络污染：高频错误关联会通过Hebbian学习强化错误模式，需定期
nmem_health诊断 - 插件构建失败：未执行
npm run build导致dist/缺失是常见部署故障