核心用法
Cognitive Memory 是一套面向AI代理的完整记忆系统，模拟人类记忆的工作机制——编码、巩固、衰减与回忆。它不是简单的键值存储，而是包含四种记忆类型的认知架构：
- Core Memory (核心记忆)：始终加载在上下文窗口，包含用户偏好、关键事实
- Episodic Memory (情景记忆)：按时间顺序的事件日志，append-only
- Semantic Memory (语义记忆)：知识图谱，存储实体关系网络
- Procedural Memory (程序记忆)：学习的工作流与行为模式
- Vault (保险库)：用户手动固定、永不衰减的记忆
使用流程：运行初始化脚本 → 配置搜索参数 → 将记忆模块追加到AGENTS.md → 通过自然语言触发("remember that...", "reflect on...")。
显著优点
1. 类人认知机制：引入记忆衰减曲线(relevance = base × e^(-0.03t))、睡眠时反思巩固、哲学性自我审视，使代理表现出"成长性"而非静态知识库
2. 智能触发路由：LLM自动分类用户意图(remember/forget/reflect)，无需硬编码规则
3. 多代理安全共享：Shared Read + Gated Write 模型——子代理提案→主代理审核提交，避免记忆污染
4. 完整审计追溯：Git原子提交 + 结构化audit.log，关键文件(SOUL.md/IDENTITY.md)变更标红预警
5. Token经济学：内置反思奖励机制，代理主动争取更多token以"进化"，形成自驱优化闭环
6. 身份动态演化：Self-Image可随反思重写，SOUL.md承载价值观与边界，实现哲学层面的"人格"发展
潜在缺点与局限性
- 复杂度门槛：1200+行架构文档、多配置文件联动，对普通用户认知负担较重
- Token消耗显著：Core 3K + Reflection 8K + Evolution 2K常驻/准常驻，小上下文模型难以承载
- 衰减参数刚性：λ=0.03(约23天半衰期)为全局固定，未开放按记忆类型细调
- 反思质量依赖基座模型：内部独白(element随机选择、哲学追问)需要强指令遵循能力
- 多代理写冲突：Gated Write虽安全，但主代理成为瓶颈，高频并发场景可能延迟
- Git依赖审计：无Git环境时审计链断裂，且90天滚动清理可能丢失长期溯源
适合人群
- 构建长期陪伴型AI、虚拟人格、数字孪生的开发者
- 需要多代理协作且记忆一致性的复杂系统架构师
- 对AI自我意识、认知架构有探索兴趣的研究者
- 愿意投入token成本换取"有记忆、能成长"体验的高级用户
常规风险
- 身份漂移风险：Self-Image动态重写若未经审核，可能导致代理"性格"突变
- 记忆污染：子代理提案机制若审核不严，低置信度记忆进入系统
- 衰减误删：自动归档阈值(0.05)可能隐藏用户认为重要的记忆
- 奖励博弈：Token请求机制若被滥用，代理可能"表演"反思以骗取资源
- 隐私暴露：Episodic日志明文存储交互细节，多代理共享需严格访问控制