🧬 DNA Memory

让 AI Agent 像人脑一样学习和成长

English | 简体中文

---

人脑不是硬盘。人脑会遗忘、会归纳、会反思。

现有的 AI 记忆方案只解决了"存"的问题——DNA Memory 解决的是"学"的问题。

🆚 为什么需要 DNA Memory？

能力	Mem0	Zep	LangChain Memory	DNA Memory
基础存储	✅	✅	✅	✅
向量检索	✅	✅	✅	✅
多层记忆架构	❌	⚠️	❌	✅ 3层
主动遗忘	❌	❌	❌	✅
自动归纳模式	❌	❌	❌	✅
反思循环	❌	❌	❌	✅
知识图谱关联	❌	⚠️	❌	✅
动态权重强化	❌	❌	❌	✅
零依赖本地运行	❌	❌	❌	✅

📊 竞品详细对比

Mem0

• 云端记忆服务，需要 API 调用
• 数据存储在第三方服务器
• 按调用量收费

Zep

• 需要部署独立服务端
• 企业级方案，配置复杂
• 有基础的记忆分层但无归纳能力

LangChain Memory

• 只是简单的上下文拼接
• 无持久化，重启丢失
• 没有真正的"学习"机制

DNA Memory

• 🧠 模拟人脑：不只是存储，而是真正的学习
• 📉 会遗忘：不重要的信息自然衰减消失
• 📈 会强化：反复使用的记忆权重增加
• 🔄 会归纳：从零散信息中提取认知模式
• 🕸️ 会关联：建立记忆之间的知识图谱
• 🏠 纯本地：零依赖，数据完全在你手里

🚀 30秒快速开始

# 1. 克隆项目
git clone https://github.com/AIPMAndy/dna-memory.git ~/.openclaw/skills/dna-memory

# 2. 记录第一条记忆
python3 ~/.openclaw/skills/dna-memory/scripts/evolve.py remember "我喜欢简洁的回复" -t preference -i 0.9

# 3. 查看效果
python3 ~/.openclaw/skills/dna-memory/scripts/evolve.py stats

零依赖：只需要 Python 3.8+，不需要安装任何包。

📖 核心命令

# 记录记忆
evolve.py remember "内容" -t 类型 -i 重要性(0-1)

# 回忆检索
evolve.py recall "关键词"

# 反思归纳（提取认知模式）
evolve.py reflect

# 遗忘衰减（清理低权重记忆）
evolve.py decay

# 建立关联
evolve.py link mem_001 mem_002 -r "因果关系"

# 列出/删除/导出
evolve.py list [-L 长期记忆]
evolve.py delete mem_xxx
evolve.py export -o backup.json

🏗️ 三层记忆架构

┌─────────────────────────────────────────────┐
│  🔴 工作记忆 (Working Memory)                │
│     当前会话的临时信息                        │
│     → 会话结束后自动筛选重要内容              │
└─────────────────┬───────────────────────────┘
                  ↓ 筛选
┌─────────────────────────────────────────────┐
│  🟡 短期记忆 (Short-term Memory)             │
│     近 7 天的重要信息                         │
│     → 带衰减权重，长期不用会逐渐遗忘          │
└─────────────────┬───────────────────────────┘
                  ↓ 巩固
┌─────────────────────────────────────────────┐
│  🟢 长期记忆 (Long-term Memory)              │
│     经过验证的持久知识                        │
│     → 归纳后的认知模式，高权重记忆            │
└─────────────────────────────────────────────┘

🔄 记忆进化机制

动态权重系统

事件	权重变化	说明
被访问/使用	+0.1	用得多的记忆更重要
被用户确认	+0.2	正确的信息权重提升
被用户纠正	标记错误	创建新的正确记忆
7天未访问	-0.1	不用的逐渐遗忘
建立关联	+0.05	有连接的更稳固
归纳为模式	升级	进入长期记忆

自动归纳示例

📝 短期记忆中积累了多条相似记忆：

  "GitHub push 超时了"
  "GitHub clone 超时了"  
  "GitHub fetch 超时了"

💡 自动归纳为认知模式：

  "访问 GitHub 网络不稳定，需要重试机制"
  
  → 模式自动升级到长期记忆

📁 数据结构

~/.openclaw/workspace/memory/
├── short_term.json   # 短期记忆 (JSON)
├── long_term.json    # 长期记忆 (JSON)
├── patterns.md       # 认知模式 (Markdown)
├── graph.json        # 关联图谱 (JSON)
└── meta.json         # 统计数据

📄 记忆数据格式示例

{
  "id": "mem_a1b2c3d4",
  "type": "preference",
  "content": "用户喜欢简洁直接的回复风格",
  "source": "user",
  "importance": 0.85,
  "created_at": "2026-03-01T10:30:00",
  "last_accessed": "2026-03-01T15:45:00",
  "access_count": 5,
  "tags": ["沟通", "风格"],
  "links": ["mem_x1y2z3"]
}

⚙️ 配置选项

编辑 assets/config.json：

{
  "decay_days": 7,         // 多少天后开始衰减
  "decay_rate": 0.1,       // 每次衰减的权重
  "forget_threshold": 0.2, // 低于此权重被遗忘
  "reflect_trigger": 20,   // 积累多少条触发自动反思
  "max_short_term": 100,   // 短期记忆上限
  "max_long_term": 500     // 长期记忆上限
}

💡 适用场景

场景	效果
个人 AI 助理	记住偏好习惯，越用越懂你
知识工作者	积累领域经验，形成专业模式
客服/销售 Agent	学习客户特征，优化沟通策略
自主 Agent	从错误中学习，持续自我优化
Agent 开发者	为你的 Agent 添加记忆进化能力

🤝 与 OpenClaw 集成

DNA Memory 是一个 OpenClaw Skill。安装后自动集成：

• 用户说"记住这个" → 触发 remember
• Agent 需要上下文 → 触发 recall
• 定期维护 → 自动 reflect 和 decay

详见 SKILL.md 了解完整集成说明。

🗺️ Roadmap

• 三层记忆架构
• 主动遗忘机制
• 自动归纳模式
• 知识图谱关联
• 向量语义检索（可选）
• 可视化记忆图谱
• 多 Agent 记忆共享
• Web UI 管理界面

🤲 贡献

欢迎 PR 和 Issue！

• 🐛 发现 Bug → 提交 Issue
• 💡 新功能建议 → 发起讨论
• 🔧 代码贡献 → Fork & PR

📄 License

Apache 2.0 - 可商用，可修改，保留署名即可。

---

👨‍💻 作者

AI酋长Andy

前腾讯/百度 AI 产品专家 → 大模型独角兽 VP → 创业 CEO

现专注于 AI 商业化落地，帮助创始人用 AI 放大商业和影响力

---

如果这个项目对你有帮助，请给一个 ⭐ Star！

这是对作者最大的支持 🙏