Basal Ganglia Memory 是 OpenClaw 社区开发的 AI Brain 系列技能之一，旨在模拟人脑中基底神经节在习惯形成与程序性学习中的核心作用。该模块专注于为智能体提供一种‘肌肉记忆’式的学习能力，使重复执行的动作逐渐转化为自动化的偏好和行为模式。通过将高频操作内化为默认路径，AI 系统能够更高效地处理日常任务，减少决策负担，从而提升整体运行效率。目前该项目正处于开发阶段，但已明确其核心目标：让 AI 具备类似人类的‘熟练度’，即在熟悉情境下快速、准确地做出反应。这一机制不仅适用于简单的重复动作，更可扩展至复杂工作流程的优化与自动化。作为 AI Brain 系列的一部分，它与海马体记忆、杏仁核情绪处理等功能协同工作，共同构建更贴近生物智能的认知架构。
核心功能特点
- 习惯追踪：识别并记录频繁执行的行为模式，使其逐渐成为自动化的默认选择
- 程序性记忆：建立类似‘肌肉记忆’的工作流程，提升重复任务的执行速度与稳定性
- 奖励驱动学习：根据行为结果的正向反馈强化有效策略，淘汰低效路径
- 偏好发展：形成稳定的行为倾向，实现‘我知道这样做最有效’的智能决策
适用场景
Basal Ganglia Memory 特别适合需要长期运行、持续优化且存在大量重复操作的智能系统。例如，在自动化运维场景中，AI 代理可通过此技能记住服务器监控的最佳检查间隔和告警触发条件，避免每次重启后重新学习配置。对于内容生成类应用，该模块能固化高质量写作或代码模板的使用习惯，确保风格一致性和输出效率。在游戏 AI 设计中，NPC 可以利用程序性记忆掌握战斗连招或对话分支，增强交互真实感。此外，在机器人控制领域，机械臂完成装配任务时可通过习惯形成减少路径规划的计算开销。这些场景的共同点是：高频、可预测、有明确反馈回路的行为序列。借助 Basal Ganglia Memory，AI 不再‘每次都从头开始思考’，而是像经验丰富的专家一样，直接调用已验证的高效方案。这不仅提升了性能，也降低了系统能耗与响应延迟。