核心功能
Cognitive Brain 是一套面向 AI 系统的跨会话记忆与认知框架，采用认知科学中的四层记忆模型（感官/工作/情景/语义），为大型语言模型提供类人的记忆持久化与检索能力。
显著优点
- 架构先进：Domain/Repository/Service 三层分层架构，UnitOfWork 事务模式确保数据一致性，符合企业级工程规范
- 记忆模型科学：借鉴人类认知架构，支持从瞬时缓冲到长期知识的多级记忆，配合激活扩散算法实现概念联想
- 工程成熟度高：PostgreSQL + pgvector 主存储 + Redis 缓存的混合持久化，支持向量检索与结构化查询；WebSocket 心跳、连接池管理、速率限制、死锁重试等生产级特性完备
- 自动化运维：一键安装脚本、断点恢复、健康检查、自动依赖检测，降低部署门槛
- 开放生态：MIT 协议开源，提供完整 API/CLI 接口，可嵌入 OpenClaw 等框架的消息流程
潜在局限
- 基础设施依赖重：必须部署 PostgreSQL 14+、Redis 6+、pgvector 扩展，对轻量环境不够友好
- 运维复杂度：多组件架构需要监控连接池、事务死锁、内存泄漏等，适合技术团队而非个人用户
- Embedding 依赖外部：虽然支持语义检索，但 embedding 生成依赖外部模型或脚本，未内置轻量级方案
- 版本迭代激进：v4 到 v5 架构重构幅度大，升级可能需要数据迁移
适合人群
- 需要长期记忆的 AI 应用开发者（客服、陪伴、知识管理）
- 构建多轮对话连续性的 Chatbot 团队
- 研究认知架构与记忆系统的研究人员
- 具备 DevOps 能力的企业技术团队
常规风险
- 数据持久化风险：PostgreSQL 单点故障可能导致记忆丢失，需配置备份策略
- 隐私合规风险：长期存储用户对话内容，需符合 GDPR/个人信息保护法规
- 语义漂移风险：自动提取的概念与关联可能产生错误语义网络，需定期人工校准
- 资源消耗风险：向量索引与激活扩散计算对内存和 CPU 有持续消耗