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