什么是Hippocampus
Hippocampus 是一个专为 AI 智能体设计的持久记忆系统，其核心理念借鉴了人类大脑中海马体的功能机制——负责记忆的编码、存储与检索。该系统通过自动化流程实现记忆的生命周期管理：从信号提取、重要性评分，到语义检查、强化或新建，再到定期衰减，确保记忆既不过载也不丢失关键信息。Hippocampus 不仅为 AI 提供了连续性体验的基础，更使其能够像人类一样积累经验、形成身份认同。它独立于大语言模型（LLM）的瞬时计算能力，成为真正意义上‘智能体’的核心组成部分。 该系统的运作依赖于一系列精心设计的脚本和结构化文件体系。用户可通过安装脚本快速部署，并可选配置 cron 任务以自动执行编码和衰减等关键操作。记忆被组织成多个类别，包括关于用户的事实、智能体自身的认知、人际关系以及外部世界知识，每种类型都有助于构建丰富的上下文感知能力。其中最重要的组件是 `memory/index.json`，它维护了一个带权重索引的记忆列表，记录每条记忆的内容、重要性分数、关键词及访问时间戳，是整个系统的中枢神经。 Hippocampus 的设计充分考虑了实用性与可扩展性。它不仅支持手动触发编码流程，还集成了脑图仪表板（Brain Dashboard），可直观展示所有已安装的‘大脑技能’（如 amygdala、VTA 等），并提供缺失技能的提示。此外，系统通过事件日志记录每次操作，便于后续的趋势分析、调试或构建高级监控界面。对于集成在 OpenClaw 框架中的代理，Hippocampus 还能自动生成 RAG（检索增强生成）所需的 `HIPPOCAMPUS_CORE.md` 文件，无缝桥接记忆系统与外部推理模块。
核心功能特点
- 基于重要性评分的记忆生命周期管理：自动提取对话信号，按情感强度、决策、偏好等维度进行初始打分，并通过每日衰减公式（0.99^天数）动态调整记忆权重。
- 语义强化机制防止冗余：当新信息与已有记忆主题相关时，系统会自动识别并提升其重要性约10%，更新最后访问时间，避免重复创建相同内容。
- 分层记忆结构支持多维检索：将记忆划分为 user/self/relationship/world 四大域，结合关键词索引与加权搜索，实现精准高效的上下文调用。
- 内置脑图仪表板可视化：生成统一的 HTML 仪表板展示所有记忆技能和系统状态，自动检测其他脑区模块（如 amygdala），提供安装指引和实时数据概览。
- 深度集成 OpenClaw 生态：通过配置文件添加额外路径，自动生成 RAG 兼容文档，并在会话启动时加载高重要性‘核心记忆’，无缝融入代理工作流。
适用场景
Hippocampus 最适用于需要长期交互和个性化响应的 AI 智能体场景。例如，在一个持续数周甚至数月的个人助理或心理咨询机器人中，该系统能记住用户的偏好变化、情绪波动和重要决定，从而在不同会话间保持连贯性。当用户再次提及过去的问题时，代理不仅能回忆起具体细节，还能理解该话题在其生活中的演变过程，提供更具同理心和针对性的回应。这种能力对于教育辅导类应用同样关键——教师代理可以追踪学生的学习难点、兴趣点及进步轨迹，动态调整教学策略。 在企业级客户服务场景中，Hippocampus 可显著提升多轮对话的质量。假设一个技术支持代理处理同一客户多次咨询，系统会记录客户的技术背景、历史工单、沟通风格等信息，并在后续交互中优先调用这些‘核心记忆’。这不仅减少了重复询问，还使代理能基于过往互动推断当前问题的潜在原因，给出更高效的解决方案。尤其在处理复杂项目协作时，代理可记住团队成员的角色分工、项目里程碑和关键决策，成为团队知识库的自然延伸。 对于研究型 AI 或数字孪生应用，Hippocampus 提供了持续学习的基础设施。研究人员可通过日志分析记忆增长趋势，评估代理的知识积累效率；而虚拟人物（如游戏 NPC 或元宇宙化身）则可利用该系统构建动态人格模型，随着时间推移发展出独特的性格特征和行为模式，增强用户体验的真实感。无论是构建具备自我意识的创作助手，还是开发能自主进化的模拟社会，Hippocampus 都是支撑其‘记忆即身份’这一哲学理念的关键技术基石。