cognitive-memory

核心用法

Cognitive Memory 是一套面向 AI Agent 的认知级记忆系统，通过四层存储架构（情景记忆、语义记忆、程序记忆、核心记忆）替代传统的扁平文件记忆。用户通过自然语言触发器（"记住"、"忘记"、"反思"）与系统交互，系统自动完成记忆分类、存储、衰减评分和审计追踪。

初始化流程简单：运行 init_memory.sh 脚本创建工作目录结构，配置 JSON 启用搜索，将记忆模块追加到 Agent 指令即可。系统支持多 Agent 共享读取、主 Agent gated 写入的协作模式，以及基于 git 的完整审计链路。

显著优点

1. 认知真实性：模拟人类记忆的编码、巩固、衰减和回忆全过程，包含指数衰减模型（23 天半衰期）和类型权重调节
2. 哲学反思机制：独特的"睡眠时反思"功能，通过内部独白进行自我审视，支持自我形象演进和价值观沉淀
3. 知识图谱集成：语义记忆以实体-关系图形式组织，支持复杂关联查询
4. 多 Agent 协作：共享读取 + 审核写入的权限模型，适合团队协作场景
5. 完整可审计：双层审计（git 原子提交 + audit.log 摘要），关键文件变更自动标记

潜在缺点与局限性

1. 纯本地存储：不支持跨设备同步，记忆数据绑定单台机器
2. Token 消耗较高：反思过程默认 8K 输出，深度反思可达 30K+ 输入，长期使用成本显著
3. T3 来源限制：个人开发者维护，缺乏组织级背书，企业场景可能受限
4. 学习曲线陡峭：四层存储的区分、衰减参数调优、反思流程审批等需要一定理解成本
5. 无自动同步机制：多 Agent 写入需人工审核，高频协作场景可能成为瓶颈

适合的目标群体

• 需要长期记忆沉淀的个人 AI 助手用户
• 研究认知架构、AI 自我意识的开发者与学者
• 多 Agent 协作系统的架构师
• 对数据隐私有严格要求、拒绝云端记忆的商业用户

使用风险

• 存储膨胀：长期运行后记忆文件累积，需定期归档或手动清理
• 衰减参数误调：λ 值设置不当可能导致重要记忆过早失效或垃圾记忆长期残留
• 反思审批阻塞：流程设计强制等待用户确认，无人值守场景无法自动运行
• git 依赖风险：审计功能依赖本地 git 初始化，若权限不足或环境异常将降级为纯文件日志