一句话描述: 使用传播激活的联想记忆,实现持久、智能的回忆。
生物启发的记忆系统,使用传播激活代替关键词/向量搜索。记忆形成神经图,神经元通过20种类型突触连接。频繁共同访问的记忆加强连接(赫布学习)。陈旧记忆自然衰减。矛盾自动检测。
为什么不只是向量搜索? 向量搜索找到与查询相似的文档。NeuralMemory通过图遍历找到 概念相关 的记忆 — 即使没有关键词或嵌入重叠。
深度名称速度用例0即时<10ms快速事实、最近上下文1上下文50ms标准回忆(默认)2习惯200ms模式匹配、工作流建议3深度~500ms跨领域关联、因果链
工具用途何时使用nmem_remember存储记忆决策后、错误后、事实后、洞察后、用户偏好后nmem_recall查询记忆任务前、用户引用过去上下文时、"你还记得..."nmem_context获取最近记忆会话开始时、注入新鲜上下文nmem_todo快速TODO(30天过期)任务跟踪
工具用途何时使用nmem_auto从文本自动提取记忆重要对话后 — 自动捕获决策、错误、TODOnmem_recall (depth=3)深度联想回忆需要跨领域连接的复杂问题nmem_habits工作流模式建议用户重复类似动作序列时
工具用途何时使用nmem_health大脑健康诊断定期检查、分享大脑前nmem_stats大脑统计记忆数量快速概览nmem_version大脑快照和回滚风险操作前、版本检查点nmem_transplant大脑间转移记忆跨项目知识共享
python
nmem_remember(
content="生产用PostgreSQL,开发用SQLite",
type="decision",
tags=["database", "infrastructure"],
priority=8
)
python
nmem_recall(
query="生产环境数据库配置",
depth=1,
max_tokens=500
)
返回通过图遍历找到的记忆,非关键词匹配。相关记忆(如"部署使用Docker与pg_dump备份")即使没有共享关键词也会浮现。
python
nmem_recall(
query="上周部署为什么失败?",
depth=2
)
跟随CAUSED_BY和LEADS_TO突触追踪因果关系链。
python
nmem_auto(
action="process",
text="我们决定从REST切换到GraphQL,因为前端需要灵活查询。迁移需要2个sprint。TODO: 更新API文档。"
)
自动提取:1个决策、1个事实、1个TODO。
nmem_context 将最近记忆注入意识nmem_recallnmem_remember type="decision"nmem_remember type="error"nmem_remember type="preference"nmem_recallnmem_auto action="process" 处理重要对话片段参数类型范围默认值说明depthint0-31回忆深度级别priorityint0-105记忆优先级max_tokensint100-10000500最大上下文token数contextDepthint0-31上下文深度autoContextbooltrue/falsetrue自动注入上下文autoCapturebooltrue/falsetrue自动捕获记忆
版本日期变化v1.0.02026-04-12ClawHub发布版
🎩 马斯克出品 | 打造地表最强智能体