智能体记忆系统

技能简介

Hippocampus 是为 AI 代理设计的持久化记忆系统，模拟人脑海马体的记忆形成机制。通过自动信号提取、重要性评分和语义强化，实现跨会话的身份连续性与知识积累。

业务背景

AI代理在多次对话中常'失忆'，导致用户体验断裂、重复沟通成本高。本系统让代理像人一样积累记忆——自动识别重要信息、强化高频主题、淡化冷门内容，实现跨会话的身份一致性与服务连续性，降低人工维护知识库的负担。

落地案例：某客服AI首次接待用户时记录了其偏好'工作日联系、邮件优先'。三个月后用户再次咨询，系统自动调取该记忆，主动询问'是否仍按原方式发送方案'，用户无需重复说明。期间用户提过一次的临时需求已被自然衰减，避免干扰当前判断。

能做什么

• 自动捕获对话中的关键信息并结构化存储
• 基于内容类型计算记忆重要性分数（0.0-1.0）
• 识别重复主题并自动强化现有记忆，避免冗余
• 按时间衰减降低低频访问记忆权重
• 会话启动时加载高优先级核心记忆
• 生成可视化大脑仪表盘查看全部记忆状态

使用说明

安装步骤：

# 基础安装（保留最近100条信号）
./install.sh

# 带定时任务的全功能安装
./install.sh --with-cron

# 自定义信号数量
./install.sh --signals 50

# 处理完整历史记录
./install.sh --whole

配置到代理：在 AGENTS.md 的会话启动例程中添加 ./scripts/load-core.sh 以加载核心记忆。

日常操作：

# 手动运行编码流程
./scripts/encode-pipeline.sh

# 搜索记忆（带重要性加权）
./scripts/recall.sh "查询关键词"

# 生成大脑仪表盘
./scripts/generate-dashboard.sh

输入与输出

见下方输入与输出表格。

风险提示

• 记忆文件存储于本地文件系统，需自行备份防止丢失
• 完整历史模式（–whole）可能处理大量数据，耗时较长
• 衰减公式基于固定系数，无法针对特定记忆类型调整
• 依赖 cron 的任务需确保系统定时服务正常运行

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/impkind/hippocampus/SKILL.md
来源类型：开源社区技能