基于海马体模型的 AI Agent 记忆层，实现记忆衰减、检索强化与睡眠整合，支持跨会话跨工具一致记忆。
Hippo Memory 是面向 AI Agent 的生物启发式记忆层，基于海马体互补学习系统（CLS）理论构建三层记忆结构（Buffer → Episodic → Semantic），实现默认指数衰减、检索强化、情绪标签加权、睡眠整合（衰减+合并+修剪+去重）、Schema 加速整合与冲突检测七大核心机制。
在持久目标栈（dlPFC）方面，支持目标全生命周期管理与目标条件化检索增强，完成度结果自动传播至关联记忆权重。连续性体系通过 Active Task Snapshots、Session Event Trails 与 Session Handoffs 实现长任务跨会话无缝恢复，hippo recall --continuity 可一次返回完整上下文。
底层采用 SQLite 本地存储，零运行时依赖，可选 @xenova/transformers 本地嵌入向量。提供 CLI、MCP Server、HTTP API 三种交互方式，自动检测并注入 Agent 框架 hook（Claude Code / Cursor / Codex 等）。内置多租户隔离（scrypt 哈希 API Key）、GDPR 被遗忘权（单 API 调用 RTBF）、审计日志与 Scope 精确过滤等企业级安全能力。支持 Slack webhook 实时摄入与历史回填，以及从 ChatGPT / CLAUDE.md / .cursorrules / Markdown / Git 历史批量导入。
在 Sequential Learning Benchmark 中陷阱率从 78% 降至 14%，LongMemEval R@5 达 74.0%（纯 BM25），Slack 事故场景 10/10 胜过转录回放。926 个测试全部基于真实 SQLite 数据库、零 mock。