记忆系统
连续性记忆 — 永不遗忘的陪伴
Neurova 的 Agent 拥有真正的持久记忆，而非每次对话后清空的上下文。
记忆层级
| 层级 | 说明 | 特点 |
|---|---|---|
| 工作记忆 (Working Memory) | 当前会话上下文 | 实时更新，容量可配置 |
| 短期记忆 (Short-term Memory) | 近期事件和对话 | 温度衰减机制，高温记忆自动发现 |
| 长期记忆 (Long-term Memory) | 持久化经验知识 | 固化存储，版本控制，支持回溯 |
| 情感记忆 (Emotional Memory) | 带情感标记的记忆 | 情感引擎驱动，影响推理决策 |
| 时空知识图谱 (Temporal KG) | 事件与实体关系图 | 支持因果推理和关联检索 |
17 维记忆分类体系
不同于传统 Agent 框架只区分"短期/长期"记忆，Neurova 将记忆精细划分为 17 种类型：conversation、fact、profile、relationship、skill、experience、lesson、emotion、goal、plan、project、event、insight、pattern、preference、config、reflection。
NeRF 增强记忆检索（六通道体积渲染融合）
Neurova 将 NeRF（Neural Radiance Fields）的体渲染理论迁移到记忆检索，实现从离散搜索到连续语义场渲染的范式转变。
六通道检索
| 通道 | 功能 | 默认密度 |
|---|---|---|
| 温度通道 | 记忆热度检索 | 0.7 |
| 文本通道 | 语义相似度 | 0.9 |
| 分类通道 | 记忆类型匹配 | 0.5 |
| 图谱通道 | 知识图谱关联 | 0.6 |
| 情感通道 | 情感状态匹配 | 0.8 |
| 语音通道 | 语音特征匹配 | 0.4 |
融合模式
- 传统模式（legacy）：加权求和 score = Σ(w_i · c_i)
- NeRF 模式（nerf）：体积渲染融合 score = Σ(T_i · σ_i · c_i · w_i)，通道间透射率衰减
记忆温度机制
- 温度引擎：Ebbinghaus 遗忘曲线 + 贝叶斯遗忘 + 固化
- 睡眠整理：五阶段睡眠 + 空闲整理链（idle_tracker）+ 梦境生成
- 肌肉记忆：L1 关键词精确 / L2 向量相似度 / L3 工具记忆三层晋升
睡眠与资源管理
Neurova 模拟类人睡眠-唤醒周期：清醒（Beta 13-30Hz）/ 浅睡（Alpha 8-13Hz）/ 深思（Theta 4-8Hz）/ REM（Gamma 30+ Hz），支持自动休眠、手动控制、定时唤醒。