核心用法
NeuralMemory 是一种受生物启发的关联记忆系统，使用扩散激活（spreading activation）替代传统的向量搜索或关键词匹配。记忆以神经图的形式存储，通过20种突触类型（时间、因果、语义、情感、冲突等）相互连接。
典型工作流：
- 会话开始：调用
nmem_context注入近期记忆，必要时用nmem_recall深度检索 - 决策时刻：
nmem_remember(type="decision")存储关键决定 - 错误处理：
nmem_remember(type="error")记录故障原因 - 会话结束：
nmem_auto(action="process")自动提取事实、决策和TODO
核心工具：nmem_remember（存储）、nmem_recall（检索，支持depth 0-3）、nmem_context（上下文注入）、nmem_auto（自动提取）
显著优点
1. 零LLM依赖：纯算法实现（正则、图遍历、赫布学习），无需API调用，完全本地运行
2. 概念关联优于关键词匹配：即使无共享关键词，也能通过图遍历找到概念相关的记忆（如"数据库配置"关联到"Docker部署"）
3. 生物级智能特性：
4. 因果推理能力：通过 CAUSED_BY/LEADS_TO 突触追踪因果链，回答"为什么X会发生"
5. OpenClaw深度集成：独占memory slot，自动注入上下文、自动捕获记忆，持久化跨越 /new 会话
- 赫布学习：频繁共激活的记忆强化连接（"一起激发的神经元连在一起"）
- 记忆衰减：基于艾宾浩斯遗忘曲线的自然生命周期管理
- 矛盾检测：自动识别冲突记忆并降低过时信息优先级
潜在局限
- 学习曲线陡峭：20种突触类型、4级深度、多种记忆类型的概念需要理解
- 仅支持Python生态：依赖Python运行时，Windows需额外配置路径
- 无云端同步：纯本地SQLite存储，跨设备需手动导出/导入（
nmem_transplant） - 性能随规模下降：depth=3的深度检索在大型记忆库上可能达500ms
- OpenClaw插件需手动构建：TypeScript源码需
npm run build，非开箱即用
适合人群
- 长期项目协作者：需要AI记住数周/数月前的决策、错误、偏好
- 复杂系统维护者：需要追踪因果关系（"上次部署失败是因为..."）
- 隐私敏感用户：拒绝任何外部API、要求完全本地化的用户
- OpenClaw重度用户：希望记忆自动持久化、无需手动管理的自动化工作流
常规风险
| 风险类型 | 说明 | 缓解措施 |
|---------|------|---------|
| 数据丢失 | 本地SQLite文件损坏或误删 | 定期使用 `nmem_version` 创建快照 |
| 记忆污染 | 错误/过时信息长期残留 | 依赖矛盾检测+衰减机制；定期 `nmem_health` 检查 |
| 隐私泄露 | 敏感信息存储在本地明文SQLite | 脑隔离（多brain设计）；避免在共享机器使用 |
| 检索幻觉 | 深度检索可能召回弱关联记忆 | 根据场景选择depth，关键决策用depth=0/1验证 |
| 配置错误 | Windows路径、Python命名问题 | 严格遵循文档中的平台特定配置 |
对比向量搜索
| 维度 | 向量搜索 | NeuralMemory |
|------|---------|--------------|
| 匹配逻辑 | 嵌入空间相似度 | 图遍历+激活传播 |
| 跨域关联 | 弱（需语义重叠） | 强（突触连接） |
| 因果关系 | 不支持 | 原生支持 |
| 学习进化 | 静态索引 | 赫布学习动态强化 |
| 延迟 | 低（预计算） | 中等（图遍历） |