Agent Skills
返回列表
🤖

海马体持久记忆

AI Agent 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/sundial-org-awesome-openclaw-skills-hippocampus。

技能介绍

问题:对话停了就没了

大模型每次会话都像「换了一台脑」:偏好、决策、对人/项目的理解若不落盘,Agent 只剩通用助手能力。Hippocampus Skill 把记忆当成 Agent 本体——靠文件与脚本维持跨会话连续性。

工作原理

记忆按生命周期管理:从对话与转录中通过 preprocess.sh 抽取信号,再按规则打重要性初分(如显式「记住」约 0.9、偏好约 0.8、决策约 0.75)。

  • decay.sh:按天数做指数衰减(参考 Stanford Generative Agents 曲线,7/30/90 天保留比例递减)
  • reinforce.sh:检索命中且有用时抬高分数
  • recall.sh / load-core.sh:按重要性加权检索;0.7+ 视为 Core 高优记忆
  • sync-core.sh:汇总生成 HIPPOCAMPUS_CORE.md 供常驻上下文

脚本默认基于 $WORKSPACE(一般为 ~/.openclaw/workspace)读写工作区记忆文件。

边界与注意

衰减与强化是启发式规则,不是向量库语义检索全套方案;Background(约 0.2–0.4)档记忆需定向搜索才会露出。若从不写入工作区或不跑维护脚本,连续性不会自动出现——需要把记忆流程嵌进你的 Agent 工作流。

使用场景

  • 长期结对编程时,要把「别用某库」「架构已拍板」写进工作区并在新会话自动带出
  • 处理用户多次提到的饮食偏好与禁忌,用 Core 记忆避免每次重复追问
  • 从客服/会议转录批量抽取「记住」「决定」类语句并初始化重要性分数
  • 每周跑 decay/reinforce,让旧闲聊下沉、常被引用的项目事实留在 load-core 输出里

适合人员

  • 自建 OpenClaw Agent、希望工作区文件承载「身份记忆」而非只靠提示词叠长的工程师
  • 维护多轮客户对话、需要把决策与人事实名落盘并分档检索的智能体开发者
  • 研究 Generative Agents 式遗忘曲线、想在 shell 脚本里复现衰减/强化实验的研究者
  • 运营个人数字助理、要把高价值偏好同步进 HIPPOCAMPUS_CORE.md 的长期用户