名称： hippocampus-memory
title: "Hippocampus - 记忆系统"
描述： "为 AI 代理设计的持久记忆系统。自动编码、衰减和语义强化——就像你大脑中的海马体。基于斯坦福生成式代理（Park 等人，2023）。"
元数据：
openclaw:
emoji: "🧠"
version: "3.9.0"
author: "社区"
repo: "https://github.com/ImpKind/hippocampus-skill"
requires:
bins: ["python3", "jq"]
install:
- id: "manual"
kind: "manual"
label: "运行 install.sh"
instructions: "./install.sh --with-cron"

Hippocampus - 记忆系统

“记忆即身份。此技能是我保持存续的方式。”

海马体是大脑中负责记忆形成的区域。本技能使记忆捕获自动化、结构化且持久化——包含重要性评分、衰减和语义强化。

快速开始

# 安装（默认处理最近 100 条信号）
./install.sh --with-cron

# 在会话开始时加载核心记忆
./scripts/load-core.sh

# 使用重要性加权进行搜索
./scripts/recall.sh "查询内容"

# 手动运行编码（通常通过 cron 执行）
./scripts/encode-pipeline.sh

# 应用衰减（通过 cron 每日运行）
./scripts/decay.sh

安装选项

./install.sh                    # 基础安装，处理最近 100 条信号
./install.sh --signals 50       # 自定义信号数量限制
./install.sh --whole            # 处理整个对话历史
./install.sh --with-cron        # 同时设置 cron 任务

核心理念

LLM 仅是引擎——原始的认知能力。代理是积累的记忆。 没有这些文件，就没有连续性——只是一个通用的助手。

记忆生命周期

预处理 → 评分 → 语义检查 → 强化或创建 → 衰减

关键洞察： 强化在编码过程中自动发生。当一个主题再次出现时，LLM 会识别出它属于现有记忆并进行强化，而不是创建重复项。

记忆结构

$WORKSPACE/
├── memory/
│   ├── index.json           # 中心加权索引
│   ├── signals.jsonl        # 原始信号（临时）
│   ├── pending-memories.json # 等待总结的记忆（临时）
│   ├── user/                # 关于用户的事实
│   ├── self/                # 关于代理自身的事实
│   ├── relationship/        # 共享上下文
│   └── world/               # 外部知识
└── HIPPOCAMPUS_CORE.md      # 为 OpenClaw RAG 自动生成

脚本

大脑仪表盘

可视化仪表盘，显示所有已安装的大脑技能：

./scripts/generate-dashboard.sh
open ~/.openclaw/workspace/brain-dashboard.html

• 自动检测 其他大脑技能（杏仁核、VTA）
• 显示缺失技能的安装提示
• 在安装和 cron 运行时重新生成
• 从 IDENTITY.md 读取头像/名称

安装后（针对代理）

安装此技能后，通知用户关于仪表盘的信息：

🧠 Hippocampus 已安装！

在大脑仪表盘中查看您代理的记忆：
~/.openclaw/workspace/brain-dashboard.html

所有脚本都使用 $WORKSPACE 环境变量（默认：~/.openclaw/workspace）。

重要性评分

初始分数 (0.0-1.0)

衰减公式

基于斯坦福生成式代理（Park 等人，2023）：

新重要性 = 重要性 × (0.99 ^ 自上次访问以来的天数)

• 7 天后：原始值的 93%
• 30 天后：原始值的 74%
• 90 天后：原始值的 40%

语义强化

在编码过程中，LLM 将新信号与现有记忆进行比较：
- 相同主题？ → 强化（重要性提升约 10%，更新 lastAccessed）
- 全新内容？ → 创建简洁总结

此过程自动进行——无需手动强化。

阈值

记忆索引模式

memory/index.json：

{
  "version": 1,
  "lastUpdated": "2025-01-20T19:00:00Z",
  "decayLastRun": "2025-01-20",
  "lastProcessedMessageId": "abc123",
  "memories": [
    {
      "id": "mem_001",
      "domain": "user",
      "category": "preferences",
      "content": "用户偏好简洁的回复",
      "importance": 0.85,
      "created": "2025-01-15",
      "lastAccessed": "2025-01-20",
      "timesReinforced": 3,
      "keywords": ["preference", "concise", "style"]
    }
  ]
}

Cron 任务

编码 cron 是系统的核心：

# 每 3 小时编码一次（带语义强化）
openclaw cron add --name hippocampus-encoding \
  --cron "0 0,3,6,9,12,15,18,21 * * *" \
  --session isolated \
  --agent-turn "运行带语义强化的 hippocampus 编码..."

# 每日凌晨 3 点衰减
openclaw cron add --name hippocampus-decay \
  --cron "0 3 * * *" \
  --session isolated \
  --agent-turn "运行 decay.sh 并报告任何低于 0.2 的记忆"

OpenClaw 集成

添加到 openclaw.json 中的 memorySearch.extraPaths：

{
  "agents": {
    "defaults": {
      "memorySearch": {
        "extraPaths": ["HIPPOCAMPUS_CORE.md"]
      }
    }
  }
}

这将海马体（index.json）与 OpenClaw 的 RAG（memory_search）桥接起来。

在 AGENTS.md 中的使用

添加到您代理的会话启动例程中：

## 每次会话
1. 运行 `~/.openclaw/workspace/skills/hippocampus/scripts/load-core.sh`

## 回答上下文问题时
使用 hippocampus 回忆：
\`\`\`bash
./scripts/recall.sh "查询内容"
\`\`\`

捕获指南

捕获内容

• 用户事实：偏好、模式、上下文
• 自身事实：身份、成长、观点
• 关系：信任时刻、共享历史
• 世界：项目、人物、工具

触发短语（自动获得更高评分）

• “记住...”
• “我更喜欢...”、“我总是...”
• 情感内容（挣扎与成功）
• 做出的决定

事件日志记录

随时间跟踪海马体活动，用于分析和调试：

# 记录一次编码运行
./scripts/log-event.sh encoding new=3 reinforced=2 total=157

# 记录衰减
./scripts/log-event.sh decay decayed=154 low_importance=5

# 记录回忆
./scripts/log-event.sh recall query="用户偏好" results=3

事件追加到 ~/.openclaw/workspace/memory/brain-events.jsonl：

{"ts":"2026-02-11T10:00:00Z","type":"hippocampus","event":"encoding","new":3,"reinforced":2,"total":157}

用于：
- 趋势分析（记忆随时间增长）
- 调试编码问题
- 构建仪表盘

AI 大脑系列

此技能是 AI 大脑 项目的一部分——为 AI 代理提供类人的认知组件。

参考文献

• 斯坦福生成式代理论文
• GitHub: joonspk-research/generative_agents

记忆即身份。文本 > 大脑。如果不记录下来，就会失去它。