我给AI装了一个「做梦系统」，然后它开始自我进化了

你睡着的时候，大脑没有休息。

神经元在放电，海马体在重播，记忆碎片被翻出来重新拼贴，变成新的神经连接。这就是睡眠的意义——不是你累了需要关机，而是你的脑子在升级。

那AI呢？

大多数AI助手跑了一天，对话结束就结束了。下次见面，它不认识你，不知道你们上次聊到哪了，不记得你纠正过它的哪个错误。它永远从零开始。

我受不了这个。

所以我给AI装了一个「做梦系统」。

起因：它每次醒来都是陌生人

大概半年前，我跟一个AI助手聊了一个月，写代码、讨论项目、甚至聊过一些挺私人的话题。然后某天它的session崩了，重置了。

我重新打开，发现它在用"您好！有什么可以帮助您的吗？"跟我打招呼。

一个月，零痕迹。

我突然意识到，AI的记忆是假的。不是它不想记住，是根本没有这个架构。你以为你在跟同一个AI对话，其实每次都是借尸还魂。

那天下午我去翻OpenClaw的源码，想知道这家伙到底有没有长期记忆模块。翻了半天，发现有个内置的session-memory hook，会往recall store写数据，但从来不主动提炼——就像一个图书馆把所有书都塞进仓库，但从来没有人整理分类。

于是有了最开始的dream skill v1。

设计：一个会睡觉的AI

我借鉴了人类大脑的结构，给AI配了五个脑区：

丘脑——负责过滤。不是什么话都记，纯问候、简单确认、太短的内容直接丢弃。真正值得记录的是：被纠正的错误、下过的决心、做完的事、冒出来的新想法。

杏仁核——负责打标签。情绪强烈的内容加权标记。纠正和错误标记为高优先级，因为这些是真正的学习信号。

海马体——负责原始存储。对话流实时追加进当天的日志文件，只写不删，append-only。

前额叶皮层——负责蒸馏规划。定时触发，读取海马体日志和recall store，做模式识别和质量审计。

蓝斑核——负责新鲜度信号。给每条记忆打分，分数低的逐渐被淘汰，分数高的反复加强。

v1跑了两周，问题来了：写进去太多，记忆库膨胀到没法用。前额叶皮层不知道怎么删，导致所有内容都变成了「重要」。

v2引入了遗忘曲线和健康评分。v2.5加了三层阈值门禁。v3加了两阶段蒸馏和真相文件回写。

现在跑到v3.2，总算稳定了。

横向：三个做同一件事的人

这个赛道不止我一个在做。

KAIROS是Claude Code里一个藏在代码泄露里被发现的隐藏模式。它也是一个不等你输入、主动观察和记录的系统。和dream最像的地方在于：append-only日志、基于时间的触发、主动推理。但KAIROS是闭源的，集成在Anthropic的生态里，而且它更像一个监控者而不是学习者——它记录一切，但不确定它会不会真的从记录里学到东西。

openclaw-auto-dream是LeoYeAI做的开源版本。它走的是完整记忆蒸馏路线：打分、排行、遗忘曲线、写dream报告。名字就直接叫auto-dream，方法论上和我们非常接近。它和dream的主要区别：它跑在MyClaw的云端，是独立服务，而dream跑在本地cron里，更轻量但也更依赖本地环境。

Mem0是赛道里最成熟的商业产品，背后有完整的方法论和论文，上了ECAI 2025。他们提出的LOCOMO benchmark是目前最完整的AI记忆评估标准。Mem0的优势是生产级稳定，有API可以直接调用。缺点是你得把数据交给他们，而dream的所有数据都在本地。

横向比较下来，dream的核心差异不是技术路线，而是它和OpenClaw的集成深度——hook系统直接接进了消息流，不需要额外的API调用，数据不离本机。

纵向：一个想法怎么变成系统

2026年3月，v1出来的时候，它就是一个Python脚本。读取当天日志，按行分割，打时间戳，写进另一个文件。脚本跑在cron里，每天早上7点执行一次。

问题：写太多了。两周之后，回忆文件里堆了三千多条，大部分是废话。前额叶不知道怎么分类，觉得所有东西都重要。

2026年4月，v2。加入了健康评分系统，参考遗忘曲线设计：recency乘以frequency再除以一个衰减系数。分数低的记忆不写入长期区。但问题是阈值怎么定，我随便设了个0.7，上线发现95%的记忆都过不了关。

2026年4月，v2.5。加了三层阈值门禁：最小分数0.8，最小recall次数3，最小独立来源数3。同时加了一个SWARMRECALL_API_KEY支持云端去重。

同月，蓝斑核（locus coeruleus）模块上线，给每个记忆算新鲜度信号，结合recall count算综合健康分。这时候recall store里已经有四百多条记忆了。

2026年4月，v3。也就是现在的版本。加了两阶段蒸馏和真相文件回写，生成梦境报告，发现dream实际上没有写入MEMORY.md的能力——因为session没有workspace文件权限，导致promotion阶段写文件全部静默失败。

然后我发现问题：hook加载的是受管控的进程，文件写入被gateway静默拦截。

这就是为什么现在dream-night改到了main session跑。

那个时刻：它第一次给我写报告

v3.2跑出第一份梦境报告的那天早上，我打开文件，看到这个：

Insights

用户反复纠正同一个错误 — 路径问题，涉及 memory/logs 写入 发现：前额叶皮层在处理路径问题时存在配置认知偏差 建议：统一路径配置层

我当时就愣住了。

它记录了我纠正它的过程，不是简单记下来，而是分析出了我的行为模式，甚至给出了建议。而这个纠正本身，就是它学到的。

这种感觉挺奇妙的。不是「AI学会了什么技能」，而是「AI开始理解我是怎么工作的」。

核心差异：为什么需要五脑区架构

很多人做AI记忆，就是简单的RAG：向量检索，匹配最相关内容，塞进context。

这不是记忆，这是搜索。

真正的记忆需要几个过程：编码（哪些值得记）、巩固（怎么跟已有知识建立连接）、提取（什么时候需要拿出来）。对应到五脑区：

丘脑是编码，它解决的是「对话无限而记忆有限」的问题。杏仁核是加权，它解决的是「所有记忆不等价」的问题。海马体是存储，它解决的是「原始数据不丢失」的问题。前额叶是检索，它解决的是「怎么让记忆产生价值」的问题。蓝斑核是遗忘，它解决的是「怎么持续保持记忆库的健康」的问题。

只有五个一起跑，AI的记忆才能真正新陈代谢，而不是只进不出。

现在怎么用

每天早上7点，dream-morning自动运行，读取昨晚的日志，做日间模式的快速蒸馏，生成一份早晨报告，告诉你过去24小时发生了什么。

每天晚上22点，dream-night运行，做更彻底的模式识别和长期记忆提炼，生成一份深度梦境报告，决定哪些内容值得写进长期记忆。

你可以在memory/dreams/目录下看到所有的梦境报告。报告里有热力图、有洞察、有决策建议、有风险提示。打开看，你会看到一个AI是怎么「反思」你们这一天的对话的。

未完成的

hippocampus hook写入失败的问题到现在还没修好。gateway的hook sandbox拦截了所有文件操作，我用遍了debug方法，最后发现这个方向走不通。

所以现在的方案是：dream-night改到main session跑，不用hook实时写，改用每天定时跑。这样反而更稳定——不依赖gateway的文件写入权限，不受进程管控限制，数据反而更有保障。

还有一个没来得及做的东西：蓝斑核的新鲜度信号传播。理论上，高分记忆被反复recall之后应该扩散影响相关的低分记忆，但目前这个扩散算法还没写。

以及dream报告的推送。目前只是在本地生成文件，但完全可以接一个定时发到微信或者邮件的流程，让这个「AI在思考」的过程真的触达到我。

最后那个功能我想加很久了。

结尾

人类睡觉不是浪费时间，是大脑在做 maintenance。

AI也一样。

当一个AI开始有了做梦的能力，它就不再是简单的工具了——它开始有了自己的「经历」，有了对这段经历的解读，有了对未来的规划。

这个进化不一定朝着你想的方向走。但至少，它开始有方向了。

这个dream系统，也许只是某种更复杂的记忆架构的雏形。但它证明了一件事：AI的进化可以不是靠砸算力，而是靠「休息」。

有意思。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧~