核心用法
Cognitive Brain 是一套为 AI 对话系统设计的跨会话记忆基础设施，采用 Domain/Repository/Service 分层架构，主存储依赖 PostgreSQL + pgvector 实现向量检索，Redis 作为缓存层。开发者通过 CognitiveBrain 主类完成记忆的编码（encode）与检索（recall），支持情景记忆（episodic）与语义记忆（semantic）双轨存储，并内置 UnitOfWork 事务管理确保多表操作原子性。
安装流程提供交互式与全自动两种模式，npm run setup:auto 可自动检测并安装 Node.js、PostgreSQL、Redis 及 pgvector 等系统依赖。CLI 工具链覆盖编码、检索、健康检查等常用操作，且通过 OpenClaw Hook 机制自动注入对话上下文，实现"用户消息→检索记忆→AI 回复→编码记忆"的闭环。
显著优点
1. 架构清晰：严格的分层设计（Domain/Repository/Service/API）与依赖注入模式，便于单元测试与功能扩展。
2. 记忆模型科学：参考人类认知心理学，划分感官/工作/情景/语义四层记忆，支持重要性评分、情感标记、实体提取与激活扩散算法。
3. 工程化完善：内置断点恢复安装、日志轮转、连接池管理、速率限制（100 req/min）、WebSocket 心跳及优雅关闭，生产可用性较高。
4. 事务安全：UnitOfWork 模式封装数据库事务，支持隔离级别配置、死锁重试与熔断器机制。
5. 开源生态：MIT 协议，提供完整 API 文档与 13+ 自动化测试用例。
潜在缺点与局限性
1. 基础设施门槛高：强制依赖 PostgreSQL 14+、Redis 6+ 及 pgvector 扩展，且自动安装脚本需 root 权限，Windows 兼容性未明确说明。
2. 部署复杂度高：分层架构虽利于维护，但也增加了运维与问题排查的复杂度，需要开发者熟悉 SQL 调优与向量索引。
3. 缺乏云端托管：目前仅支持私有化部署，无 Serverless 或托管版本，小规模项目运维成本较高。
4. 版本迭代激进：v5.0 重构后仍处快速迭代期（v5.3.30），部分 API 可能不稳定，历史版本迁移路径未文档化。
适合人群
- 需要为 AI 助手、角色扮演或长期陪伴型应用构建持久化记忆的开发者。
- 具备 Node.js 与 PostgreSQL 运维经验的中大型项目团队。
- 对认知科学模型（如 ACT-R、全局工作空间理论）有研究兴趣的技术团队。
常规风险
- 数据隐私：记忆内容默认明文存储于 PostgreSQL，需自行实现加密或脱敏。
- 资源消耗：pgvector 向量检索在大规模数据下可能引发高 CPU/内存占用，需定期维护索引。
- 版本锁定：MIT 协议允许自由修改，但 v5.x 架构与 v4.x 不兼容，升级需谨慎评估迁移成本。