前言¶
做 IM 机器人或网页助手的人一般都会遇到同一个问题：上一轮还在聊，下一轮就什么都不记得了。常见做法是把最近若干轮对话塞进上下文，或者把聊天记录存进一个文件，下次按字符串搜出来。前者窗口一短就失忆，后者搜出来的是原文，机器人不会判断”这件事我还记不记得清”，也不会因为某天被凶过而让这件事多留几个月。
hippocampus_22 是 DSH 社区里的一个记忆类插件，维护者是 kianajunjie，目前 GitHub 上有 2 个星标。它的思路不是”聊天存数据库”，而是照海马体的工作方式做记忆：事件编码 → 巩固 → 遗忘 → 联想召回 → 元记忆。记忆存在一个本地 SQLite 文件里，不上传、不联网、不用向量库，开发时可以当库用，也可以用 CLI 直接操作。
下面介绍它是什么、提供哪些能力、如何在 DSH 里安装，以及适合什么场景。
一、定位与来源¶
一句话定位：这是一个面向长时运行陪伴型机器人的情感记忆层，负责把每一轮对话加工成有情绪权重的结构化记忆，并在下一轮对话时按规则召回。
它派生自同作者的 dsh-hippocampus v0.3.1（MIT），当前包版本 0.2.0，采用 MIT 许可证。派生与署名说明写在仓库的 NOTICE 文件里，二次分发需要保留 LICENSE 与 NOTICE。
技术要求是 Node 大于等于 22.5，依赖数为 0，只使用 Node 内置的 node:sqlite，不安装任何第三方包。
二、核心能力¶
README 里列出的能力如下，都是可以直接核对的：
- 事件记忆：每轮对话被加工成”谁、何时、发生了什么、什么情绪”，而不是原文落库。
- 情绪加权遗忘：被凶或被感动的那天能撑几个月，普通的一天很快淡掉。
- 确定度：每条记忆带”记得清 / 大概记得 / 只记得有这回事”三级标记，机器人不会假装很确定。
- 改口即失效：用户改主意之后（例如住址从成都改成杭州），旧事实自动作废，不会自相矛盾。
- 关系层：针对每个用户维护亲密、信任、未解开的疙瘩等维度，长时间不出现会淡化，关系修复后才解开。
- 事实 / 章节 / 技能 / 缺口：住哪、在哪个时期、做事方式、以及”我不懂什么”；不懂的地方可以主动问。
- 按人隔离：A 用户看不到 B 用户的记忆，群聊拿不到私聊记忆。
- 零依赖：只依赖 Node 内置 SQLite。
v0.2.0 相比 v0.1.0 多了几项维护能力：health 记忆体检测、port 记忆导入导出、report 人读档案导出、forget 条件遗忘。路线图里还列了记忆可视化面板和多设备同步，目前未实现。
三、记忆怎么流转¶
接入渠道可以是 QQ 桥、im、网页或其他软件。第一件事是映射身份：identities 表保证”同一人 = 一个 subject”，跨渠道也能认出来。
接下来的流程是：
handleTurn()认人，组装上下文，做一次召回。- 记忆落在
events、relations、facts、chapters、skills、gaps这几层里。 context()把召回结果整理成系统提示词块，返回给上层。
召回的方法在 src/recall.mjs 里，按 README 的说法是”词面匹配 + 图扩散 + 确定度”，具体实现细节在 docs/architecture.md。
四、安装与启用¶
作为 DSH 插件安装，官方安装命令来自 README：
dsh plugin --profile web add github:kianajunjie/hippocampus_22
上面这条命令对应 im / 网页两种使用方式。需要说明的是，插件会以当前 dsh 进程的权限运行，读文件、访问网络、执行命令的能力取决于你拉起 dsh 的方式，安装前建议先翻一遍源码和 LICENSE。
想先跑起来看效果，可以直接用 CLI。hippo 是安装后提供的命令行入口（包里的 bin 同时定义了 hippocampus-22 和 hippo）：
npm i -g hippocampus-22
hippo demo
demo 会写入几条带情绪的旧事件，跑一次遗忘，再做一次召回，用来演示”情绪权重让旧记忆活得更久”这个行为。这个演示不需要 API Key。
五、CLI 能做什么¶
安装之后直接用 hippo 命令，常用操作如下：
hippo encode --turns <file.json> # 把对话批量编码成事件
hippo replay # 巩固：合并近重复 + 情绪衰减
hippo recall "腿疼" # 召回（带确定度）
hippo context --subject 主人 "..." # 直接看这一轮会塞进提示词的块
hippo remember "…" --pin # 主动记一条，--pin 永不衰减
hippo list 20 | audit | stats # 看记忆 / 看作废记录 / 看统计
hippo rel 主人 | rel-shift 主人 intimacy:1 why:吵架
hippo fact-add 主人 住在 杭州 | facts 主人
如果只是临时验证行为，hippo context 比较有用：给一个 subject 和一句输入，它会打印这一轮会塞进系统提示词的块，能直接看到召回结果和确定度。
六、作为库或 HTTP 服务接入¶
如果不想走 DSH 插件壳，也可以当独立的 JS 库用：
import { createHippocampus } from 'hippocampus-22'
const hip = await createHippocampus({ apiKey: process.env.DEEPSEEK_API_KEY })
// 每条消息进来都走一遍：认人 → 组装提示词块 → 召回
const r = await hip.handleTurn({ channel: 'qq', externalId: msg.user_id, text, reply })
// r.context 塞进系统提示，r.recall 是召回结果
// 每天一次巩固：合并近重复、按情绪衰减、写一句印象
await hip.replay()
这是典型部署方式：消息回调里调 handleTurn()，拿到 context 拼进系统提示；定时任务里调 replay() 做巩固。
服务端部署时还可以起一个 HTTP 服务，任何语言都能接：
import { createMemoryServer } from 'hippocampus-22/http'
await createMemoryServer({ hip, port: 7717, token: 'secret' })
curl -s localhost:7717/context -H 'authorization: Bearer secret' \
-H 'content-type: application/json' \
-d '{"channel":"telegram","externalId":"42","text":"我腿疼"}'
接口很薄，就是取当前这一轮的提示词上下文。上面这个例子把 channel 换成 telegram，说明渠道字段可以随便指定，身份统一靠 externalId 映射。
七、适用场景与边界¶
适合谁：
- 正在写长时运行的陪伴型、私聊型机器人，且需要跨会话记忆的人。
- 希望记忆不离开本机、不想引入向量库和外部数据库的人。
- 需要多用户隔离的 IM 桥接场景。
不太适合的场景：
- 需要严格全文检索或按语义模糊搜索的场景。它召回是词面匹配加图扩散，不提供向量检索，README 里也没有承诺语义召回。
- 需要跨设备实时同步的场景。多设备同步在路线图里，尚未实现。
另外几点需要留意：handleTurn 需要 DEEPSEEK_API_KEY，因为事件编码是用 LLM 抽取的；demo 不需要 key。项目是派生的，署名链在 NOTICE 里，商用或再分发前要看清许可证条款。安装前花几分钟读一下源码，尤其是它会以当前 dsh 进程权限运行这个事实。
八、一句话回顾¶
hippocampus_22 把”陪伴型机器人的记忆”从”存聊天记录”这套做法里拆出来，换成有情绪权重、有确定度、会自动遗忘、会承认自己记不清的一层，存储就是一个本地 SQLite 文件，依赖为零。如果你的机器人需要跨会话的私人记忆，又不想把数据送出去，可以装这个插件试一下。
目录页：https://www.skillhub.cn/plugins/kianajunjie/hippocampus_22
GitHub：https://github.com/kianajunjie/hippocampus_22
