cognitive-memory

核心用法

Cognitive Memory 是一套面向 AI Agent 的认知级记忆系统，通过四层存储架构（情景记忆、语义记忆、程序记忆、核心记忆）替代传统的扁平文件记忆。用户通过自然语言触发器（"记住"、"忘记"、"反思"）与系统交互，系统自动完成记忆分类、存储、衰减评分和审计追踪。

初始化流程简单：运行 init_memory.sh 脚本创建工作目录结构，配置 JSON 启用搜索，将记忆模块追加到 Agent 指令即可。系统支持多 Agent 共享读取、主 Agent gated 写入的协作模式，以及基于 git 的完整审计链路。

显著优点

1. 认知真实性：模拟人类记忆的编码、巩固、衰减和回忆全过程，包含指数衰减模型（23 天半衰期）和类型权重调节
2. 哲学反思机制：独特的"睡眠时反思"功能，通过内部独白进行自我审视，支持自我形象演进和价值观沉淀
3. 知识图谱集成：语义记忆以实体-关系图形式组织，支持复杂关联查询
4. 多 Agent 协作：共享读取 + 审核写入的权限模型，适合团队协作场景
5. 完整可审计：双层审计（git 原子提交 + audit.log 摘要），关键文件变更自动标记

潜在缺点与局限性

1. 纯本地存储：不支持跨设备同步，记忆数据绑定单台机器
2. Token 消耗较高：反思过程默认 8K 输出，深度反思可达 30K+ 输入，长期使用成本显著
3. T3 来源限制：个人开发者维护，缺乏组织级背书，企业场景可能受限
4. 学习曲线陡峭：四层存储的区分、衰减参数调优、反思流程审批等需要一定理解成本
5. 无自动同步机制：多 Agent 写入需人工审核，高频协作场景可能成为瓶颈

适合的目标群体

• 需要长期记忆沉淀的个人 AI 助手用户
• 研究认知架构、AI 自我意识的开发者与学者
• 多 Agent 协作系统的架构师
• 对数据隐私有严格要求、拒绝云端记忆的商业用户

使用风险

• 存储膨胀：长期运行后记忆文件累积，需定期归档或手动清理
• 衰减参数误调：λ 值设置不当可能导致重要记忆过早失效或垃圾记忆长期残留
• 反思审批阻塞：流程设计强制等待用户确认，无人值守场景无法自动运行
• git 依赖风险：审计功能依赖本地 git 初始化，若权限不足或环境异常将降级为纯文件日志

核心用法

cognitive-memory 是一套面向 AI Agent 的认知记忆架构，替代传统的扁平文件存储，提供类似人类记忆的编码、巩固、衰减与回忆机制。系统包含四个核心存储：

• Episodic（情景记忆）：按时间顺序记录事件日志，append-only 模式
• Semantic（语义记忆）：知识图谱结构，存储实体与关系
• Procedural（程序记忆）：习得的工作流与行为模式
• Core/Vault（核心/保险箱）：常驻上下文与用户置顶内容，永不衰减

快速部署通过 init_memory.sh 脚本完成，配置搜索 provider（推荐 Voyage）后，Agent 即可通过自然语言触发记忆操作。

---

显著优点

1. 认知真实性

• 指数衰减模型（relevance = base × e^(-0.03t)）模拟人类遗忘曲线
• 多权重设计：Core(1.5) > Semantic(1.2) > Procedural(1.0) > Episodic(0.8)
• 触发词路由（"remember"/"forget"/"reflect"）实现零摩擦交互

2. 深度自我演化

• Reflection Engine：睡眠时运行的内部独白系统，支持哲学层面的自我审视
• Identity/SOUL 分离：事实层（IDENTITY.md）与价值观层（SOUL.md）独立演进
• Self-Image Consolidation：每 10 条自我认知自动合并，呈现 diff 供用户审批

3. 企业级审计

• Git 原子提交作为 Layer 1 审计地基
• 结构化 audit.log 支持 Actor 溯源（bot/subagent/system/manual）
• 关键文件（SOUL.md/IDENTITY.md）变更触发 ⚠️ CRITICAL 告警

4. 多 Agent 协作

• 共享读取、门控写入模型
• 子 Agent 通过 pending-memories.md 提案，主 Agent 审批后提交

---

潜在局限

| 维度 | 限制说明 |

|------|---------|

| **计算成本** | Reflection 默认请求 8K tokens，深度反思可达 30K+ 输入，长期使用成本显著 |

| **延迟敏感** | 知识图谱检索依赖外部向量搜索（Voyage/其他），存在网络 I/O 延迟 |

| **冷启动** | 需要人工配置搜索 provider、编写 Agent instructions，无开箱即用体验 |

| **衰减调参** | λ=0.03（约 23 天半衰期）为固定值，未暴露给用户自定义接口 |

| **多模态缺失** | 当前仅支持文本记忆，无图像/音频嵌入能力 |

---

适合人群

• 长期陪伴型 Agent 开发者：需要 Agent 记住用户偏好、建立情感连接
• 研究型用户：对认知架构、LLM 自我意识演进感兴趣的探索者
• 多 Agent 系统架构师：需要协调多个子 Agent 共享记忆上下文
• 合规敏感场景：审计日志与数据本地存储满足金融、医疗等行业要求

不适合：追求低延迟、低成本、快速上手的轻量级场景。

---

常规风险

数据持久化风险：虽然系统依赖 Git 审计，但未内置自动备份机制。memory/ 目录意外删除将导致不可逆损失，需配合外部备份策略。

Token 经济学风险：Reflection 的 "Reward Request" 机制设计巧妙，但过度使用可能导致 API 费用失控。建议设置预算告警。

自我幻觉风险：Agent 生成的 "Self-Awareness" 内容本质是模式匹配产物，用户需保持清醒认知——这是模拟的认知，非真实意识。

升级兼容性：1.0.x 版本间的升级脚本（upgrade_to_1.0.6.sh 等）需人工执行，自动化程度不足。