核心特性
让 AI 真的"记住"——像人一样，重要的多记，无关的遗忘。
R = W × e^(-Δ/τ) × (1 + H/100)，自研四因子融合衰减公式。
0.1 < R < 0.3 → R += 0.15，防止低权重记忆永久丢失。
W 重要性 × Δ 心智时长 × τ 心智半衰期 × H 热度，四参数融合衰减。
公式形式相似，但参数语义完全不同（心智架构 vs 神经记忆）。
从公式到代码的完整路径：参数定义 → 衰减计算 → 窄门检测 → 权重更新。
W 重要性 / Δ 时长 / τ 半衰期（默认168h）/ H 热度，四个旋钮自由调节。
实测
极简 API，开箱即用。
规格
自研创新性
单个因子公开，组合结构是我们定义的。5 个创新点让 ESDM 区别于所有公开遗忘曲线。
热度 H 以乘法进入公式（1 + H/100），不是加法。被检索 / 被访问的记忆不会自然衰减——这跟艾宾浩斯、Leitner、SuperMemo 都不同。
τ 不是物理常数，是旋钮。默认 168h（7 天），系统可动态调节：早期记忆用短半衰期快速收敛，长期记忆用长半衰期保持稳定。
W × e^(-Δ/τ) × (1 + H/100)，任何因子归零都会让记忆彻底失活。这种硬约束让模型可解释、可调试——你能定位是哪个因子没调好。
HEAT_DECAY = 0.95 —— H 不会无限累积。用得多=保得久，但不是永久。避免"老热门记忆永垂不朽"的 cold cache 污染。
0.1 < R < 0.3 的灰度区间触发 R += 0.15 复活机制——数学上的抢救机制，不靠 query_boost 也能拉回快死的记忆。
艾宾浩斯：2 因子（时间 / 学习程度）
Leitner：1 因子（复习次数）
SuperMemo SM-2：3 因子（难度 / 时间 / 复习）
ESDM：4 因子（重要性 / 时间 / 半衰期 / 热度）
V8 架构落地
ES-Memory 与 ES-Search / ES-Evolve / ES-Future / ES-Code 自动联动。
第一代 AI 心智架构完整设计文档。
个人版 AI 记忆引擎。V8 公式的工程落地。
本地智能搜索。V8 加权排序的搜索落地。
自进化引擎。V8 驱动的进化落地。
MIT 协议、零依赖、3 行代码启动。
GitHub 仓库