核心用法
Hippocampus Memory 是一套为 OpenClaw AI Agent 设计的持久化记忆系统，模拟人类大脑海马体的认知功能。其核心工作流程包括：通过 preprocess.sh 从对话记录提取信号，经 encode-pipeline.sh 进行重要性评分（0.0-1.0）和语义检查，利用 LLM 生成结构化记忆摘要，最终存储于本地 JSON 索引。系统支持自动衰减（每日 0.99^days 衰减率）和语义强化（重复话题自动提升重要性而非重复创建），并通过 recall.sh 实现带权重搜索，，load-core.sh 在会话启动时加载高重要性记忆。
显著优点
1. 学术背书：直接基于斯坦福大学 Park 等人 2023 年发表的 Generative Agents 研究，算法可信度极高。
2. 自动化程度高：安装后通过 cron 定时任务（每3小时编码、每日3点衰减）实现零维护运行，无需手动干预。
3. 智能去重机制：语义强化算法能识别相似话题，自动合并而非重复创建记忆，避免索引膨胀。
4. 可视化支持：内置 generate-dashboard.sh 生成 HTML 脑图仪表板，直观展示记忆分布与关联技能。
5. 模块化设计：作为 AI Brain 系列核心组件，可与 amygdala（情感）、VTA（动机）等技能协同，构建完整认知架构。
潜在缺点与局限性
1. 本地存储限制：所有数据仅存于 ~/.openclaw/workspace/，无云同步能力，设备迁移需手动备份。
2. 依赖外部 LLM：记忆编码和摘要生成依赖子 Agent 调用，可能产生额外 token 成本，且质量受底层模型影响。
3. 衰减参数固定：0.99 的日衰减系数不可调，对需要长期保留的关键记忆可能过于激进。
4. 无加密机制：敏感记忆以明文 JSON 存储，虽有隐私建议但缺乏原生加密选项。
5. 索引体积风险：长期运行后 index.json 可能膨胀，未内置自动归档或压缩机制。
适合的目标群体
- 长期陪伴型 Agent 开发者：需要 Agent 记住用户偏好、历史对话和情感纽带的场景。
- 个人知识管理用户：希望 AI 助手持续积累关于自身项目、人际关系和决策记录的高级用户。
- AI 认知架构研究者：探索多模块协同（记忆-情感-动机）的实验性项目。
- 隐私敏感型用户：拒绝云端记忆服务、坚持数据本地化的群体。
使用风险
- 性能风险：大规模记忆索引（>10MB）可能拖慢
recall.sh搜索速度，建议定期运行consolidate.sh整理。 - 依赖项风险：依赖
python3和jq，在精简环境中可能缺失；cron 任务失败会导致记忆堆积未处理。 - 数据丢失风险：
signals.jsonl和pending-memories.json为临时文件，异常中断可能丢失未编码信号。 - 隐私泄露风险：虽本地存储，但
HIPPOCAMPUS_CORE.md和brain-dashboard.html可能被误提交至 Git 仓库。