causal-memory
活跃·★ 99·Apache-2.0·更新于 2026-10-16
causal-memory 是一个带有因果核心的智能体记忆系统，独特地建模兴奋性和抑制性连接，以实现强大的长期记忆保留。它使智能体不仅能理解发生了什么，还能理解成功或失败的原因，并预测结果，从而避免重复犯错。
#智能体记忆#因果推理#长期记忆#知识图谱#LLM智能体#扩散激活#认知架构#决策制定
01
功能特性
01具有兴奋性和抑制性连接的因果核心：利用类型化的因果语义和负激活传播（GABA模拟）来建模“导致”、“促成”和“阻止”关系。
02不可变固化与Q值动态：采用海马体风格的SWR（睡眠-觉醒重放）固化机制，结合LTP/LTD/GC、Q值动态和新颖性熵触发器，实现稳健的记忆演化。
03干预与反事实查询：支持在行动前进行前向模拟以预测结果，并进行对比分析以比较不同替代方案的结果。
04抗压缩生存：将因果信息存储在外部SQLite数据库中，使其不受上下文窗口压缩的影响，从而保留关键的“为什么”知识。
05统一记忆图：将事实、时间状态和决策-结果因果边整合到一个单一图谱中，通过RRF融合检索（BM25 +语义）进行访问。
02
兼容性
Rust
语言
已通过文档验证
Python
绑定
已通过文档验证
SQLite
数据库
已通过文档验证
MCP (Multi-Agent)
集成
已通过文档验证
Hermes
插件
已通过文档验证
DeepSeek Harness
插件
已通过文档验证
03
快速开始
1
$ git clone https://github.com/JingxuanC/causal-memory.git
2
$ cd causal-memory
3
$ cargo build --release
04
使用场景
↳防止重复错误：智能体可以回顾过去的“决策→结果”因果边，避免重复修复相同的错误或重复过去失败的架构选择。
↳主动警告和干预：在执行危险操作（例如 `git push --no-verify`）之前，系统可以根据记录的过去负面结果发出危险警告。
↳根本原因分析：追踪多跳反向因果链，以识别失败或意外结果的根本原因。
↳知情决策：智能体可以在替代行动之间进行反事实比较，利用已知结果选择最佳路径。
↳跨任务经验迁移：发现并应用元边（例如 `similar_to`, `repeated`），将经验和模式迁移到不同的任务或会话中。
05
同类工具
评论
登录后发表评论
暂无评论，来发表第一条吧