核心用法
NeuralMemory 是面向AI Agent的生物学启发式记忆系统，采用传播激活机制替代传统的向量/关键词检索。记忆以神经元形式存储，通过20种类型化突触连接形成动态图谱：
- 存储记忆：使用
nmem_remember记录决策、错误、用户偏好等，指定类型（decision/error/preference等）和优先级（0-10） - 联想召回：
nmem_recall通过图遍历而非关键词匹配，即使无语义重叠也能找到概念关联的记忆 - 自动捕获：
nmem_auto从对话中自动提取事实、决策和待办事项 - 深度推理：支持因果链追溯（CAUSED_BY/LEADS_TO突触），可回答"为什么X会发生"类问题
显著优点
1. 真正的联想能力：向量搜索找相似文档，NeuralMemory找概念关联——询问"生产环境数据库配置"时，自动激活时间+实体+概念神经元的交集，连Docker备份方案也会浮现
2. 零LLM依赖：纯算法实现（正则、图遍历、Hebbian学习），无API成本、无延迟、无隐私泄露风险
3. 自我强化：高频共现的记忆自动强化连接，"一起激活的神经元会连接在一起"
4. 记忆生命周期管理：短期→工作→情景→语义记忆，配合艾宾浩斯遗忘曲线自然衰减
5. 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
- 冷启动问题：新大脑需要积累足够记忆才能展现联想优势
- 调优复杂度：20种突触类型和4级深度（Instant/Context/Habit/Deep）需要学习成本
- 本地存储限制：SQLite单文件架构，超大规模场景可能成为瓶颈
- 生态锁定：深度集成OpenClaw生态，其他框架需要手动MCP配置
适合人群
- 长期陪伴型Agent开发者：需要跨会话保持上下文连续性
- 复杂决策系统：需要因果推理和决策溯源的场景
- 隐私敏感场景：本地存储、零外部依赖的医疗/金融应用
- 多语言项目：原生支持越南语+英语双语提取和情感分析
常规风险
- 记忆污染：错误标记的记忆类型会导致错误关联链
- 版本管理：
nmem_version快照功能需主动使用，高风险操作前务必备份 - 深度权衡：Depth 3的Deep模式虽强但耗时500ms+，实时场景需谨慎