OpenSoul - 以大腦神經結構為靈感的認知 AI 框架

每次開新的 ChatGPT 對話，它都不記得你昨天講了什麼。用 Claude Code 開新 session，前一輪的 debug 心得全部歸零。LLM 的記憶，基本上跟金魚差不多。

OpenSoul 試圖改變這件事。它在 LLM 之上疊了一層認知架構，靈感來自人腦的神經結構——海馬迴管情節記憶、新皮質管語意記憶、基底核管程序記憶，甚至還有多巴胺和血清素的虛擬版本來調控 AI 的「情緒」。聽起來很科幻？確實，但它的設計文件讀起來比大多數「AI 認知」專案都嚴謹得多。

三層記憶圖譜

OpenSoul 把記憶存在 FalkorDB（基於 Redis 的圖資料庫）裡，分成三層：

情節記憶（Episodic Memory）對應海馬迴，記錄具體的對話片段。「你上次說你喜歡喝咖啡」——就是這一層在運作。

語意記憶（Semantic Memory）對應新皮質，儲存從對話中提煉出來的通用知識。「Python 是程式語言」這種事實性資訊住在這裡。

程序記憶（Procedural Memory）對應基底核，記住「這個使用者常犯的錯」之類的行為模式。

每次對話時，系統用 EcphoryRAG 做聯想檢索：先用向量搜尋找到種子節點，再從種子出發用多跳 BFS 展開圖譜，模擬人腦的聯想過程。邊緣權重公式 W = alpha * Recency + beta * Frequency + gamma * Salience 用指數遺忘曲線控制衰減——常用的記憶不容易忘，久沒用的慢慢淡化。跟人腦的遺忘機制蠻像的。

神經化學狀態機

這部分是整個專案最讓人眉毛挑起來的設計。OpenSoul 模擬了虛擬的多巴胺和血清素系統，會動態影響 LLM 的行為：

多巴胺高（興奮狀態）→ temperature 上升、記憶搜尋範圍變廣、回覆風格更活潑
血清素低（低落狀態）→ 回覆變保守、搜尋範圍收窄

這不是噱頭。temperature 和搜尋廣度的動態調控，確實會讓 AI 在不同情境下產出風格不同的回覆。你跟它聊開心的事，它的回覆會變得更發散；你丟一個嚴肅的技術問題，它會收斂回來。

Dream Engine：AI 的睡眠

人腦在睡覺時會回放白天的經歷、整合知識、修剪不重要的記憶。Dream Engine 做一樣的事：

LiDER 經驗重播：回放最近的對話片段
知識蒸餾：從具體對話提取通用規則（情節記憶 → 語意記憶）
圖譜修剪：清理低權重的過期記憶
跨域橋接：發現不同領域記憶之間的關聯，模擬「頓悟」

預設閒置 5 分鐘就觸發一次。注意，這會持續消耗 LLM API 額度——Dream Engine 本質上是用 LLM 去整理記憶，所以每次「做夢」都在燒錢。

安裝與整合 Claude Code

需要 Python 3.11+ 和 Docker（FalkorDB 需要）：

git clone https://github.com/samttoo22-MewCat/OpenSoul.git
cd OpenSoul
poetry install
cp .env.example .env  # 填入 LLM API Key
python scripts/setup_env.py

CLI 模式直接聊：

1
2
3

poetry run soul chat
poetry run soul memory stats    # 查看記憶狀態
poetry run soul dream           # 手動觸發夢境

掛載到 Claude Code 當 MCP Server：

1	python scripts/setup_mcp.py --cc-enable

掛上去之後，Claude Code 多了 soul_chat_tool 和 soul_memory_retrieve_tool，等於讓 Claude 擁有跨 Session 的持久記憶。這對長期專案來說蠻有意義的——不用每次開新 session 都重新解釋專案背景。

59 個內建技能

OpenSoul 附帶了 OpenClaw 技能框架，59 個技能覆蓋瀏覽器自動化、Gmail 收發、Telegram/Discord 操作、程式碼執行、Notion/Trello/GitHub 管理、TTS 語音合成。Judge Agent（對應大腦的眶額葉皮質）負責判斷要不要呼叫工具、選哪一個，用輕量模型（Gemini Flash Lite）做決策來降低成本。

不過 59 個技能大部分只有 SKILL.md 描述檔，少數才有實際 Python 腳本。品質參差不齊，別期待每個都能直接用。