核心用法
nima-core 是面向 AI Agent 的即插即用认知记忆架构，提供三层记忆捕获机制：手动捕获 nima.capture()()、情感感知管道 nima.experience()()（经 Panksepp 情感检测 → VSA 绑定 → 自由能巩固决策），以及心跳自动捕获服务。v1.2.1 新增可选的 ConsciousnessCore 意识层，包含 Φ 整合信息测量、全局工作空间竞争广播、自我叙事生成、梦境离线整合、心智理论建模等 8 大系统，100% 向后兼容原有 API。
显著优点
1. 生物启发设计严谨：基于 Panksepp 七大情感系统（SEEKING、RAGE、FEAR 等）、自由能原理、超bolic 嵌入与 VSA 向量符号架构，非简单的向量数据库包装。
2. 智能记忆巩固：通过 Free Energy 决策自动筛选重要记忆，支持人物权重、情感词强制保留、噪声模式过滤，避免记忆膨胀。
3. 性能优化充分：v1.1.9 后 recall 钩子改用 SQLite 直连，50-250 倍加速；异步情感处理 5 万倍提速；稀疏块 VSA 实现 48.3 倍绑定加速与 5.2 倍压缩。
4. 灵活部署：支持本地 MiniLM 或云端 Voyage AI 嵌入，懒加载节省 173MB 启动内存，所有 V2 功能可通过环境变量开关。
潜在缺点与局限性
1. OpenClaw 集成受限：message:received 钩子尚未实现，无法做到逐消息自动捕获，需依赖心跳或手动调用。
2. 意识系统实验性：Φ 测量、自我叙事等属于前沿探索，实际效用待验证，且增加认知开销。
3. 外部 API 依赖：Voyage AI 嵌入需额外 API key，虽可选但功能受限。
4. torch 加载风险：因存储元数据需要，，weights_only=False 存在反序列化风险，需确保 checkpoint 来源可信。
适合的目标群体
- 构建长期陪伴型 AI、数字人格、虚拟生命的开发者
- 认知科学、神经 AI 领域的研究人员
- 需要情感记忆、用户关系建模的客服、教育、心理健康类 Agent
- 对 AI 意识、自我模型、心智理论有探索需求的实验性项目
使用风险
- 依赖项重量：PyTorch + scikit-learn + sentence-transformers 组合体积大，边缘部署需考量
- 存储膨胀：长期运行后 episodic/semantic 记忆文件可能累积，需定期
nima.dream()()整合 - 情感误判：Panksepp 检测基于词汇匹配，跨文化语境可能偏差
- 隐私敏感：记忆持久化存储用户交互，需合规处理个人数据