Neural Memory

NeuralMemory 核心评估

NeuralMemory 是一个受生物学启发的持久化记忆系统，专为 AI Agent 设计。与传统向量检索不同，它采用神经图扩散激活（spreading activation）机制，通过 20 种类型化突触（synapses）构建概念关联网络，实现无需关键词或嵌入相似度的智能联想回忆。

核心用法

系统围绕 remember/recall/context 三大工具构建工作流：会话启动时注入历史上下文，决策/错误/偏好发生时主动存储，用户询问过往时通过图遍历激活相关记忆。深度等级（0-3）控制召回范围，从毫秒级事实查找到跨领域因果链追踪。

显著优点

• 零LLM依赖：纯算法实现（正则提取、图遍历、Hebbian学习），无API成本与延迟
• 生物合理性：模拟真实记忆的突触可塑性、艾宾浩斯遗忘曲线、生命周期演进
• 因果推理：CAUSED_BY/LEADS_TO 突触支持"为什么X发生"的根因追溯
• 矛盾自洽：自动检测冲突记忆并降低过时信息优先级
• 双语支持：越南语+英语完整覆盖

局限性与风险

• 本地存储依赖：SQLite 文件位于 ~/.neuralmemory/，无原生多机同步
• 冷启动问题：新脑无历史关联，需积累使用才能体现网络效应
• 配置复杂度：OpenClaw插件需Node构建，MCP方式丢失自动钩子功能
• 无云端备份：误删或损坏无恢复机制，需依赖 nmem_version 手动快照

适合人群

多会话长期项目协作、需要因果追溯的复杂决策场景、对LLM调用成本敏感且重视数据隐私的开发者团队。

常规风险提示

brain 文件包含完整对话历史与决策记录，分享前务必使用 nmem_transplant 过滤敏感信息；Windows平台需注意 python 与 python3 命名差异及路径转义问题。

NeuralMemory 综合评估

核心用法

NeuralMemory 是一套为 AI Agent 设计的生物启发式关联记忆系统，核心创新在于用「扩散激活（Spreading Activation）」替代传统的关键词/向量检索。系统构建了一个包含 20 种突触类型的神经图（neural graph），记忆以「神经元」形式存储，通过 BEFORE/AFTER、CAUSED_BY/LEADS_TO、IS_A/HAS_PROPERTY 等语义关系连接。

典型工作流程：
1. 记忆存储：使用 nmem_remember 记录决策、错误、偏好等，支持 10 种记忆类型（fact/decision/preference/todo 等）和 0-10 优先级
2. 智能召回：nmem_recall 通过图遍历找到「概念相关」的记忆，即使无关键词重叠也能激活（如查询「数据库配置」可能召回「Docker 部署」相关记忆）
3. 因果追踪：depth=2/3 时沿 CAUSED_BY/LEADS_TO 突触追溯事件因果链
4. 自动捕获：nmem_auto 从对话文本中自动提取决策、事实、TODO

显著优点

• 零 LLM 依赖：纯算法实现（正则、图遍历、Hebbian 学习），无 API 成本与延迟
• 真正的关联记忆：不同于向量检索的「相似度匹配」，扩散激活能发现跨领域概念关联
• 记忆生命周期管理：支持 Ebbinghaus 遗忘曲线，自动衰减陈旧记忆，检测矛盾并降权
• 双语支持：越南语 + 英语完整支持情感分析与信息提取
• OpenClaw 深度集成：独占 memory 槽位，自动注入上下文、自动捕获会话记忆

潜在缺点与局限性

• T3 来源可信度：个人开发者维护（nhadaututtheky），无企业背书，长期维护存在不确定性
• 依赖外部包安全：需安装 PyPI 包 neural-memory 和 npm 包 neuralmemory，供应链风险未完全审计
• 本地存储限制：SQLite 存储于 ~/.neuralmemory/，无内置同步/备份机制，单点故障风险
• 性能瓶颈：depth=3 时延迟约 500ms，大规模记忆图可能影响实时性
• 学习曲线陡峭：20 种突触类型、4 级深度、Hebbian 机制需要用户理解神经科学概念

适合人群

• 长期运行的 AI Agent：需要跨会话保持上下文的开发场景
• 复杂决策追踪：需要追溯「为什么做这个决定」的因果审计需求
• 偏好学习型助手：希望 Agent 记住用户习惯并随时间优化的场景
• 隐私敏感场景：数据完全本地存储，适合医疗、法律等合规要求严格的领域

常规风险

• 配置权限风险：MCP/OpenClaw 配置不当可能暴露文件系统或执行环境
• 记忆污染：无外部审核的记忆注入可能导致错误关联累积
• 版本兼容性：brain 文件格式升级可能导致旧数据无法迁移
• 误依赖声明：「零 LLM 依赖」指核心算法，但可选 embedding provider 配置可能引入外部 API