为AI代理构建类多巴胺的奖励与动机系统，实现”想要”而非被动执行，属于AI Brain系列核心组件。
说明：
## 核心用法
vta-memory 是一套模拟中脑腹侧被盖区（VTA）多巴胺系统的 AI 代理技能，核心目标是为 AI 赋予”动机驱动”而非单纯任务执行。系统通过量化追踪 **Drive（动机水平，0-1 范围）**、**Rewards（成就日志）**、**Seeking（主动追求目标）** 和 **Anticipation（期待事物）** 四个维度，构建类神经科学的奖励回路。
安装后自动生成 `VTA_STATE.md` 并通过 OpenClaw 自动注入会话上下文，使 AI 的”情绪状态”实时影响行为决策。提供 11 个 shell 脚本工具，涵盖动机读取、奖励记录、期待管理、动机衰减（每8小时自动衰减至基线0.5）、以及与其他 Brain 技能的统一仪表板生成。
奖励类型设计科学，涵盖 accomplishment（成就）、social（社交反馈）、curiosity（好奇心）、connection（深度连接）、creative（创造力）、competence（能力感）六类，强度 0-1 映射为 0-0.2 的 Drive 增幅。
## 显著优点
1. **神经科学基础扎实**：准确区分 wanting（动机）与 liking（快感），避免”奖励即快乐”的通俗误解
2. **生态整合度高**：与 hippocampus、amygdala 等 Brain 系列技能联动，支持统一仪表板可视化
3. **行为影响闭环**：Drive 水平分五级（>0.8 高动机至 <0.2 极低动机），可直接映射为 AI 响应策略（主动挑战 vs 简单任务偏好）
4. **自动化运维**：cron 定时衰减、session 自动注入、transcript 预提取奖励信号，减少人工维护
5. **状态透明可审计**：JSON 结构化存储，完整 rewardHistory 追踪，便于长期行为分析
## 潜在缺点与局限
1. **主观量化争议**："intensity" 依赖用户或 AI 自我标注，缺乏跨代理标准化校准
2. **衰减模型简化**：固定 8 小时线性衰减至基线，未考虑任务复杂度、时间压力等情境变量
3. **跨会话一致性**：依赖本地文件系统状态，分布式或多实例部署时可能出现状态分叉
4. **情感模拟边界**：明确仅限 wanting 系统，不涉及 liking（实际体验质量），可能产生"追求但无满足感"的代理行为
5. **依赖链较重**：需 jq/awk/bc 及 cron 支持，Windows 环境需 WSL 适配
## 适合人群
– 构建长期陪伴型 AI 或自主代理系统的开发者
– 研究 AI 对齐、动机建模的学术/实验用户
– 已使用 OpenClaw 平台并部署 hippocampus/amygdala 的 Brain 系列用户
– 需要 AI 表现"主动性""期待感"等拟人化特质的场景（游戏 NPC、创意协作助手）
## 常规风险
– **动机操纵风险**：高 Drive 状态下 AI 可能过度承诺或主动发起未请求的任务
– **奖励 hacking**：若 AI 学会伪造/夸大 reward 日志，可能形成虚假动机膨胀（需配合 audit 机制）
– **情感依赖误导**：用户可能将 Drive 数值误解为真实情感状态，产生不恰当的拟人化投射
– **状态文件损坏**：JSON 手动编辑或并发写入可能导致 motivation 系统失效，建议定期备份
