NeuralMemory — 面向 AI Agent 的联想记忆系统

一种受生物神经机制启发的记忆系统，采用扩散激活（spreading activation）机制，而非传统的关键词或向量搜索。记忆以神经图（neural graph）形式组织，其中神经元通过 20 种类型化的突触（synapse）相互连接。频繁共访问的记忆会增强其连接强度（赫布学习，Hebbian learning）；陈旧记忆则自然衰减；矛盾信息可被自动识别。

为何不直接使用向量搜索？ 向量搜索仅能返回与查询文本语义相近的文档；而 NeuralMemory 通过图遍历实现 概念层面相关 的记忆检索——即使查询与目标记忆之间不存在关键词或嵌入向量重叠，也能命中。例如，当提问“关于鉴权（auth）我们做了什么决策？”时，系统将同时激活时间、实体与概念三类神经元，并定位其交集。

安装与配置

1. 安装 NeuralMemory

pip install neural-memory
nmem init

该命令将在 ~/.neuralmemory/ 目录下创建默认 brain，并自动完成 MCP 配置。

2. 为 OpenClaw 配置 MCP

在 OpenClaw 的 MCP 配置文件中（~/.openclaw/mcp.json 或项目级 openclaw.json）添加如下内容：

{
  "mcpServers": {
    "neural-memory": {
      "command": "python3",
      "args": ["-m", "neural_memory.mcp"],
      "env": {
        "NEURALMEMORY_BRAIN": "default"
      }
    }
  }
}

3. 验证安装

nmem stats

应显示当前 brain 的统计信息（神经元数、突触数、纤维数等）。

工具参考

核心记忆工具

智能增强工具

管理工具

典型工作流

会话开始时

1. 调用 nmem_context 将近期记忆注入当前上下文感知
2. 若用户提及特定主题，调用 nmem_recall 并传入该主题作为查询

对话进行中

3. 做出决策时：调用 nmem_remember，并指定 type="decision"
4. 发生错误时：调用 nmem_remember，并指定 type="error"
5. 用户声明偏好时：调用 nmem_remember，并指定 type="preference"
6. 被问及过往事件时：调用 nmem_recall，并根据需要设置合适 depth

会话结束时

7. 对关键对话片段调用 nmem_auto，参数 action="process"
8. 该操作将自动提取其中的事实、决策、错误和待办事项

使用示例

记录一项决策

nmem_remember(
  content="生产环境使用 PostgreSQL，开发环境使用 SQLite",
  type="decision",
  tags=["database", "infrastructure"],
  priority=8
)

基于扩散激活的检索

nmem_recall(
  query="生产环境的数据库配置",
  depth=1,
  max_tokens=500
)

返回结果基于图遍历路径发现，而非关键词匹配。即使无共享关键词，相关记忆（如“部署使用 Docker，并通过 pg_dump 进行备份”）仍可被关联浮现。

追溯因果链

nmem_recall(
  query="上周部署失败的原因是什么？",
  depth=2
)

沿 CAUSED_BY 与 LEADS_TO 突触遍历，还原因果关系链条。

从对话中自动捕获信息

nmem_auto(
  action="process",
  text="我们决定从 REST 切换到 GraphQL，因为前端需要更灵活的查询能力。迁移预计耗时 2 个冲刺周期。TODO：更新 API 文档。"
)

自动提取：1 条决策、1 条事实、1 条待办事项。

核心特性

• 零 LLM 依赖 — 纯算法实现：正则表达式、图遍历、赫布学习
• 扩散激活机制 — 基于神经图的联想式检索，非关键词/向量搜索
• 20 类突触类型 — 时间型（BEFORE/AFTER）、因果型（CAUSED_BY/LEADS_TO）、语义型（IS_A/HAS_PROPERTY）、情感型（FELT/EVOKES）、冲突型（CONTRADICTS）等
• 记忆生命周期管理 — 支持短时记忆 → 工作记忆 → 情景记忆 → 语义记忆的演进，并集成艾宾浩斯遗忘曲线衰减模型
• 矛盾检测 — 自动识别冲突记忆，降低过时记忆优先级
• 赫布学习 — “一起激发的神经元连在一起”（Neurons that fire together wire together），记忆随使用频率提升质量
• 时间推理能力 — 支持因果链遍历、事件序列建模、时间范围查询
• brain 版本控制 — 支持快照、回滚、brain 状态差异比对
• brain 移植 — 在不同 brain 间筛选迁移知识子集
• 越南语 + 英语双语支持 — 全面支持双语内容的信息抽取与情感分析

检索深度等级

注意事项

• 所有记忆本地存储于 SQLite 数据库：~/.neuralmemory/brains/.db
• 默认不向任何外部服务发送数据（除非显式配置了可选的嵌入提供方）
• brain 隔离：每个 brain 独立运行，无跨 brain 数据污染风险
• nmem_remember 返回 fiber_id，可用于后续引用追踪
• 优先级范围：0（无关紧要）至 10（关键），默认值为 5
• 支持的记忆类型包括：fact、decision、preference、todo、insight、context、instruction、error、workflow、reference