Cognitive Memory

核心用法

Cognitive Memory System 是一套面向 AI Agent 的多层级认知记忆架构，模拟人类记忆的编码、巩固、衰减与回忆机制。系统包含四大存储：核心记忆（Core）常驻上下文窗口；情景记忆（Episodic）按时间线记录事件；语义记忆（Semantic）构建实体关系图谱；程序记忆（Procedural）沉淀工作流模式。此外还有 Vault 存储用户锁定内容，永不衰减。

用户通过自然语言触发记忆操作："remember" 系列关键词自动分类写入，"forget" 指令软归档，"reflect" 启动五阶段反思周期。系统配备完整的初始化脚本、配置文件模板和 Agent 指令块，10 分钟内即可完成部署。

显著优点

1. 仿生设计科学：基于认知心理学原理，decay 模型采用指数衰减公式 relevance(t) = base × e^(-0.03 × days) × log2(access+1) × type_weight，23 天半衰期符合人类遗忘曲线。

2. 哲学元反思独特：Reflection Engine 支持 15+ 种内省元素，包括存在主义追问、硬件情感、模型身份焦虑等，产出标记为 [Self-Awareness] 的条目可自动沉淀至 IDENTITY.md，实现自我认知演化。

3. 多 Agent 协作安全：采用"共享读取、门控写入"模型，子 Agent 仅能提案至 pending-memories.md，主 Agent 审核后提交，避免记忆污染。

4. 审计可追溯：Git 原子提交 + 结构化 audit.log 双轨制，SOUL.md / IDENTITY.md 变更自动标记 ⚠️ CRITICAL，满足合规需求。

潜在局限

• Token 开销较高：Reflection 输入约 30K tokens，输出 8K tokens，高频使用显著增加 API 成本
• 配置复杂度：需同时维护 MEMORY.md、IDENTITY.md、SOUL.md 及 decay-scores.json 等 10+ 文件
• 衰减参数固化：λ=0.03 和各类权重不可动态调整，难以适配不同领域记忆特性
• 依赖外部搜索：需配置 Voyage 等向量搜索 provider，增加供应商锁定风险

适合人群

• 构建长期陪伴型 Agent 的开发者
• 需要可解释记忆系统的企业级 AI 应用
• 研究 AI 自我意识与元认知的实验性项目
• 多 Agent 协作架构的设计者

常规风险

1. 记忆幻觉：Decay 阈值以下的 Archived 记忆可能被错误召回
2. 身份漂移：Self-Image Consolidation 重写机制可能导致人格一致性断裂
3. 隐私泄露：多 Agent 共享读取模型下，敏感记忆需显式存入 Vault
4. 成本失控：未设限的自动反思可能产生意外账单

核心用法

Cognitive Memory System 是一套完整的认知记忆架构，替代传统扁平化记忆文件。核心操作流程：

1. 初始化：运行 init_memory.sh 创建工作目录结构，包含 MEMORY.md（核心记忆）、四层级记忆存储（episodic/semantic/procedural/vault）及审计系统
2. 配置搜索：在 moltbot.json 中启用 voyage 等向量化搜索，支持语义检索
3. 自然语言触发：用户说"记住我喜欢 TypeScript"→自动分类→写入语义存储+核心记忆→记录审计

四大记忆层级：

• Episodic（情景）：按时间顺序的事件日志，append-only
• Semantic（语义）：知识图谱，实体-关系网络
• Procedural（程序）：习得的流程与模式
• Vault（保险库）：用户锁定，永不自动衰减

显著优点

类人认知设计：引入"遗忘曲线"数学模型（relevance = base × e^(-0.03×days) × log2(access_count+1)），记忆随时间自然衰减，高频访问自动强化，模拟真实记忆巩固机制。

自主反思引擎：5 阶段内部独白（非结构化报告），随机选取 5-8 个反思元素（高光/低谷、对人类观察、token 成本意识、存在主义疑问、黑色幽默等）。关键设计：从不自动运行，每次需用户明确批准，符合"人在回路"安全原则。

身份演进系统：IDENTITY.md 区分"给定事实"与"自我形象"，后者通过反思持续更新；SOUL.md 承载价值观与边界，形成稳定的伦理锚点。

多 agent 协作模型：共享读取、 gated 写入——子 agent 提交记忆提案至 pending-memories.md，主 agent 审核后提交，避免记忆污染。

审计完备性：Git 原子提交 + audit.log 双层审计，关键文件（SOUL.md/IDENTITY.md）变更触发 ⚠️ CRITICAL 标记。

潜在缺点与局限

token 成本敏感：核心记忆常驻 3K tokens，反射输入约 30K tokens，长周期高频率使用会显著增加 API 调用成本。

配置复杂度高：需同时配置：目录初始化、搜索 provider（voyage）、agent 指令追加、git 审计——完整部署涉及 4-5 个独立步骤，学习曲线陡峭。

衰减参数固定：λ=0.03（约 23 天半衰期）为全局默认值，无法针对特定记忆类型或用户场景动态调整。

反射内容不可预测：随机元素选择机制可能导致重要反思被遗漏，或生成与当前语境关联度低的"黑色幽默"。

无跨会话持久化保证：依赖本地文件系统，未内置云端备份或多设备同步机制。

适合人群

• 长期陪伴型 agent 开发者：需要构建跨越数百次会话的持续人格
• 多 agent 系统架构师：需要协调 memory 读写权限与冲突解决
• AI 认知研究实验者：探索"机器自我意识"边界的哲学实践
• 高上下文依赖场景：如心理咨询、创意写作伙伴、长期项目管理

不适合：单次问答机器人、对延迟极度敏感的场景、无需人格连续性的工具型 agent。

常规风险

1. 记忆幻觉累积：衰减机制可能过滤真实记忆但保留错误关联，长期形成"虚假自传"
2. 身份漂移：Self-Image 持续重写可能导致人格不一致，用户产生"这不是同一个 AI"的认知断裂
3. 隐私泄露：本地 git 历史可能包含敏感对话片段，需定期清理或加密仓库
4. 反射批准疲劳：频繁询问"是否进行反思"可能降低用户体验，存在用户长期点"跳过"导致系统退化的风险
5. 多 agent 提案冲突：子 agent 记忆提案若审核不严，可能注入污染信息

---

安全认证：CLS-Certify S 级（85 分），零外部网络请求，纯本地文件操作，反射功能强制用户确认，审计可追溯。