Cognitive Memory

核心用法

Cognitive Memory System 是一套模拟人类记忆机制的多存储记忆架构，包含四大核心组件：

记忆存储层：

• 核心记忆（Core）：~3K tokens常驻上下文，存储高频关键信息
• 情景记忆（Episodic）：按时间轴追加的事件日志
• 语义记忆（Semantic）：实体关系知识图谱
• 程序记忆（Procedural）：习得的工作流与模式
• 保险箱（Vault）：用户固定、永不衰减的关键信息

触发引擎：通过自然语言关键词（"记住"/"忘记"/"反思"）自动路由到对应存储，无需结构化命令。

衰减模型：基于指数衰减公式 relevance = base × e^(-0.03×days) × log2(access+1) × type_weight，自动管理记忆生命周期，Vault存储享有无限权重。

5阶段反思引擎：
1. 扫描现有记忆
2. 元反思——审视历史反思中的模式演化
3. 整合提取、矛盾检测
4. 重写核心记忆（保持3K限制）
5. 生成演化摘要，需用户批准

多代理支持：共享读取、门禁写入模式——子代理提交提案到pending-memories.md，主代理审核后提交。

审计系统：Git原子提交 + audit.log双层追踪，关键文件变更触发警报。

显著优点

• 认知真实感：编码、巩固、遗忘、回忆完整模拟人类记忆生物学
• 上下文效率：3K核心记忆常驻 + 按需检索，平衡精度与token成本
• 持续进化：元反思机制使系统随时间深化理解，形成"哲学演化"轨迹
• 代理协作安全：门禁写入避免多代理冲突，审计追踪可追责
• 零结构化摩擦：自然语言触发，用户无需学习查询语法

潜在局限

• 配置门槛：需初始化脚本、配置文件、代理指令三处设置
• 外部依赖：默认Voyage嵌入，需API密钥与网络
• 手动审核负担：反思结果需用户批准，高频使用下可能成为瓶颈
• token预算刚性：核心3K/反思8K上限可能限制复杂场景
• 衰减参数固化：0.03衰减率（~23天半衰期）可能不适合所有领域

适合人群

• 构建长期运行、需累积经验的AI代理开发者
• 多代理系统需要共享记忆但隔离写入权限的场景
• 重视可解释性、需完整审计追踪的企业/合规环境
• 探索认知架构、元认知AI的研究者

常规风险

| 风险类型 | 说明 |

|---------|------|

| 记忆污染 | 子代理提案未经审核写入可能导致错误知识固化 |

| 衰减误杀 | 低频但重要的记忆可能因访问不足被归档 |

| 反思堆积 | 未处理的pending-reflection可能阻塞后续周期 |

| 隐私泄露 | audit.log与git历史可能暴露敏感交互内容 |

| 供应商锁定 | Voyage嵌入依赖增加迁移成本 |

核心概述

Cognitive Memory System 是一套模拟人类认知机制的多层级记忆架构，旨在替代传统 Agent 的扁平化记忆方案。它通过四类存储结构（情景、语义、程序、核心）+动态衰减模型+周期性反射强化，实现长期、可进化的记忆管理。

显著优点

1. 认知级架构设计：并非简单 KV 存储，而是引入神经科学启发的编码-巩固-衰减-回忆闭环，支持知识图谱构建与哲学级元反思。

2. 多 Agent 安全协作：采用「共享读取、 gated 写入」模型，子 Agent 提案→主 Agent 审核→原子提交，天然适合复杂多角色系统。

3. 透明可审计：双层审计（Git 提交 + audit.log），关键文件变更标记 ⚠️ CRITICAL，满足合规与调试需求。

4. 零网络依赖，纯本地运行：初始化脚本仅操作本地文件系统，无外部 API 调用，数据主权完全归属用户。

潜在局限

• 手动配置门槛：需理解 3K token 核心记忆上限、衰减公式、反射周期等概念，对非技术用户有一定认知负荷。
• 存储效率待验证：长期运行后知识图谱膨胀、反射日志累积，实际检索性能与存储成本需真实场景检验。
• LLM 路由依赖：记忆分类写入依赖 LLM 判断，分类错误可能导致语义/情景存储错位。

适合人群

• 构建需要长期记忆的复杂 Agent（如个人助理、创作搭档、研究助手）
• 追求可解释性与审计能力的企业级 Agent 系统
• 对认知科学/知识管理有兴趣的技术研究者

常规风险提示

• 初始化脚本未校验目录权限与路径遍历（RISK-001，Low）
• Git 自动提交行为需用户知情（RISK-002，Info）
• 模板占位符需用户手动填充，文档说明可更清晰

> 认证评级：A 级（85分），T2 来源可信度，建议生产环境使用前补充输入校验。