nima-core

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

核心功能

NIMA Core 是首个为 AI 代理设计的生物启发式认知记忆架构，v1.2.1 版本新增了完整的意识工程系统。它模拟人类认知的多个层级：从底层的 Panksepp 七大情感系统（SEEKING、RAGE、FEAR 等），到中层的 VSA 向量符号绑定与全息存储，再到高层的全局工作空间、自我叙事与 Theory of Mind。

核心用法：通过 NimaCore 类实例化代理，使用 experience() 进行情感-认知管道处理，recall() 进行语义检索，dream() 执行离线记忆整合。v1.2.1 可选接入 ConsciousnessCore 实现 Φ（整合信息）测量、自我观察、目标导向注意力和梦境模拟。

显著优点：

• 科学基础扎实：基于自由能原理、预测加工理论、全局工作空间理论等认知神经科学研究
• 模块化架构：三层记忆系统（ episodic/semantic/metacognitive）+ 8 大意识系统，全部可独立启用
• 性能优化：Sparse Block VSA 实现 48.3 倍绑定加速，异步情感处理 5 万倍缓存命中提速
• OpenClaw 原生集成：提供 bootstrap/recall hooks，支持心跳自动捕获

潜在局限：

• 资源占用：完整 V2 认知栈需加载 77MB 投影矩阵，初次启动有延迟
• 生态依赖：深度绑定 OpenClaw 网关，独立使用需手动配置
• 意识系统的工程化争议：Φ 测量、自我叙事等功能的"意识"属性存在学术争议，更多是功能模拟

适合人群：

• 开发需要长期记忆和情感智能的 AI 代理的工程师
• 研究认知架构、人工意识的学术/爱好者
• 已使用 OpenClaw 生态的 Agent 开发者

常规风险：

• 可选 Voyage AI 集成需外发文本数据，需用户显式配置 API Key
• 记忆文件存储于本地明文，多用户场景需额外加密
• Theory of Mind 和情感推断的准确性依赖训练数据，可能产生错误心智模型