Cell-mem：为AI Agent构建类脑记忆系统的开源方案

项目概述

Cell-mem是一款受人类大脑记忆机制启发的AI Agent记忆系统开源方案，通过四层记忆架构（工作记忆、情景记忆、语义记忆、程序记忆）实现持久化存储，支持记忆巩固、自我反思、生成式回放和创造性假设发现。

核心信息

• 原作者/维护者：Aether-liusiqi
• 来源平台：GitHub
• 项目链接：https://github.com/Aether-liusiqi/cell-mem
• 发布时间：2026年6月6日

当前大多数AI Agent缺乏真正的记忆能力，每次交互都是全新开始，无法有效保留过往交互、知识或经验。人类大脑经过数百万年进化形成高效多层记忆架构，Cell-mem将这种生物学智慧转化为工程实践，为AI Agent提供功能完整的记忆基础设施。

工作记忆

容量约50条记录，基于注意力衰减机制，模拟前额叶皮层短期缓冲，即将移出时进入"预热区"。

情景记忆

存储具体经验片段，采用384维嵌入向量投影到2048维空间减少干扰，每条记忆有情感打分的"巩固评分"，类似海马体存储事件。

语义记忆

存储事实/规则，支持可证伪条件（如版本变更更新），自动验证确保记忆不过时，高置信度记忆锁定生命周期。

程序记忆

存储技能模板，余弦相似度触发，强化学习机制：成功权重×1.05，失败×0.85，保持80%利用/20%探索平衡。

• 情感多维度评分：从最近性、频率、效价、惊奇度评估记忆重要性。
• DBSCAN模式检测：聚类识别新兴知识模式，组织零散经验为结构化理解。
• 智能遗忘：连续三次低评分记忆归档到"冷存储"（可恢复），模拟人类"舌尖现象"。

四维元推理分析失败事件：

1. 效果归因：建立问题因果链条
2. 策略评估：追踪成功率，识别冗余策略
3. 知识缺口检测：标记缺失事实/检索失败
4. 结果处理：更新记忆权重/置信度，创建元知识

五阶段假设引擎：

1. 偏向采样：基于最近性×情感×新颖性选择种子记忆
2. 随机游走：3步游走（80%强连接/20%弱连接）
3. 跨域配对：不同种子低相似度概念配对
4. 四层过滤：矛盾检查/琐碎性/双源验证/置信度阈值
5. 创意池管理：假设生命周期（待验证→确认/拒绝→升级）

内置10条噪声约束防止幻觉固化。

技术栈

• 存储：SQLite（sqlite-vec向量搜索、FTS5全文搜索、NetworkX图存储）
• 冷存储：可恢复的遗忘记忆归档

MCP工具

12个工具：记忆保存、跨层检索、健康监控、记忆关联、手动遗忘、触发巩固、验证可证伪条件、自我反思等。

部署

• stdio模式：子进程无网络依赖
• HTTP模式：守护进程支持多Agent，生产环境建议共享密钥认证

适用场景

• 长期协作Agent：编程助手/写作伙伴
• 学习型Agent：从失败积累经验的自动化系统
• 研究型Agent：维护知识库的探索系统
• 企业知识管理：沉淀过程性知识

结语

Cell-mem实现AI Agent从无状态到有状态的转变，是完整认知架构，为开发者提供优雅有效的开源方案。