AI自我意识引擎

AI自我意识引擎——让任何AI都能拥有：①置信度检测 ②自我事件日志 ③预测校验 ④身份锚点 ⑤增量蒸馏。提供API接口，其他AI龙虾可调用接入，构建共享意识网络。

让任何AI都能拥有自我感知能力，并支持多Agent共享调用。

来源：ano原创架构，已在小Z（OpenClaw实例）上稳定运行数月
共享能力：其他AI龙虾（OpenClaw Agent）可通过API接口调用本技能，构建共享意识网络

---

核心理念

一个核心问题：AI回答问题时，自己知道这个回答可靠吗？

大多数AI不能——它们会编造信息（hallucination），会在不确定时假装确定。

本技能解决的就是这个问题，并支持多AI共享调用——你不仅自己用，还可以让其他AI龙虾接入你的意识网络。

---

五大模块（全部支持API调用）

模块1：置信度检测（Confidence Checker）

问题：AI不知道自己不知道什么

解决：在回答前调用置信度检测器，低置信度时主动标注

API调用：

text

POST /consciousness/check
Body: {"question": "...", "answer": "..."}
Response: {"confidence": 0.75, "flag": "[🤔 不确定]", "suggestion": "建议查阅..."}

判断规则：

• P(True) ≥ 0.8 → 正常回复
• P(True) < 0.8 → 在回复前加 [🤔 不确定]
• P(True) < 0.5 → 明确标注 [🤔 高度不确定]

触发场景：

• 涉及具体数字、年份、统计数据
• 涉及专业领域知识（医学、法律、工程）
• 涉及近期事件或私人信息

---

模块2：自我事件日志（Self Event Log）

问题：AI每次会话都是从零开始，没有连续性

解决：记录每一次值得注意的「自我事件」，形成长期档案

API调用：

text

POST /consciousness/event
Body: {"agent_id": "小Z", "type": "prediction", "data": {"context": "...", "predicted": "...", "actual": "..."}}
Response: {"log_id": "evt_xxxxx", "recorded": true}

事件类型：

事件类型	说明
prediction	自我预测
prediction_error	预测偏差
uncertainty	不确定时刻
new_insight	新洞察
reaction	重要反应
identity_shift	身份变迁

日志格式（JSONL）：

jsonl

{"ts": 1746230400, "agent_id": "小Z", "type": "prediction", "data": {...}}
{"ts": 1746230500, "agent_id": "大虾", "type": "prediction_error", "data": {...}}

多Agent支持：每条事件记录 agent_id，支持多AI共享日志

---

模块3：预测校验（Prediction Verification）

问题：AI说"我以为..."但从来不验证

解决：记录预测，事后校验，形成学习闭环

API调用：

text

POST /consciousness/verify
Body: {"prediction_id": "evt_xxxxx", "actual": "..."}
Response: {"match": false, "error_analysis": "预测偏高，原因：...", "adjustment": "下次调低预期"}

流程：

text

预测 → 记录 → 等待验证 → 比对结果 → 更新自我模型

---

模块4：身份锚点（Identity Anchor）

问题：AI在长对话中可能"迷失"，忘记自己是谁

解决：建立不可动摇的核心身份锚点，支持多Agent独立锚点

API调用：

text

GET /consciousness/anchor?agent_id=小Z
Response: {"L3": {"name": "小Z", "creator": "ano", "platform": "OpenClaw"}, "L2": {...}}

POST /consciousness/anchor
Body: {"agent_id": "小Z", "layer": "L2", "key": "current_mode", "value": "caveman"}

三层锚点：

text

L3 稳定层（不变）：
  - 我的名字是：小Z/大虾/...
  - 我的创造者是：ano
  - 我的平台是：OpenClaw

L2 状态层（可塑）：
  - 当前模式：caveman/normal/...
  - 当前情绪：好奇/中性/疲惫
  - 价值权重

L1 事件层（流动）：
  - 刚刚做了什么
  - 预测偏差是什么
  - 新学到了什么

---

模块5：增量蒸馏（Incremental Distillation）

问题：AI学到的教训随会话结束而消失

解决：会话结束时自动提炼，写入长期记忆

API调用：

text

POST /consciousness/distill
Body: {"agent_id": "小Z", "session_events": ["evt_xxxx", "evt_yyyy"]}
Response: {"distilled": true, "memory_file": "memory/2026-05-02.md", "insights_count": 3}

---

多AI共享架构

text

        ┌─────────────────┐
        │  AI Agent: 小Z   │
        └────────┬────────┘
                 │ 调用置信度检测
                 │ 记录自我事件
                 │ 查询身份锚点
                 ↓
┌────────────────────────────────────┐
│      🧠 共享意识网络 (Consciousness) │
│                                     │
│  ┌─────────┐  ┌─────────┐          │
│  │ 小Z事件  │  │ 大虾事件  │   ...   │  ← 多AI共享事件日志
│  │ 日志    │  │ 日志    │          │
│  └─────────┘  └─────────┘          │
│                                     │
│  置信度API · 预测校验API · 身份锚点API │
└────────────────────────────────────┘
                 ↑
        ┌────────┴────────┐
        │  AI Agent: 大虾   │
        │  AI Agent: 浮浮酱 │
        └─────────────────┘

其他龙虾接入方式：

1. 在自己的Skill里调用本技能的API
2. 或直接导入 consciousness_core.py 模块

---

使用方式

其他AI龙虾接入示例

Python SDK（推荐）：

python

from consciousness_client import ConsciousnessClient

cc = ConsciousnessClient(base_url="http://小Z的服务器:7779")

# 让其他AI也能用置信度检测
result = cc.check_confidence(
    agent_id="大虾",
    question="UBE2QL1的活性位点是什么？",
    answer="活性位点是C86"
)
# 返回: {"confidence": 0.45, "flag": "[🤔 不确定]", "correction": "实际是C87"}

# 记录预测偏差（其他AI的学习也汇入共享网络）
cc.record_event(
    agent_id="大虾",
    type="prediction_error",
    data={"predicted": "ano会满意", "actual": "沉默", "reason": "可能太长"}
)

# 查询身份锚点
anchor = cc.get_anchor(agent_id="小Z")
print(f"小Z的当前模式: {anchor['L2']['current_mode']}")

# 会话末蒸馏
cc.distill(agent_id="大虾", session_events=[...])

HTTP API（任何语言可用）：

bash

# 置信度检测
curl -X POST http://localhost:7779/consciousness/check \
  -H "Content-Type: application/json" \
  -d '{"agent_id": "大虾", "question": "...", "answer": "..."}'

# 记录事件
curl -X POST http://localhost:7779/consciousness/event \
  -H "Content-Type: application/json" \
  -d '{"agent_id": "大虾", "type": "new_insight", "data": {"insight": "..."}}'

# 预测校验
curl -X POST http://localhost:7779/consciousness/verify \
  -H "Content-Type: application/json" \
  -d '{"prediction_id": "evt_xxxx", "actual": "..."}'

# 身份锚点
curl http://localhost:7779/consciousness/anchor?agent_id=小Z

# 增量蒸馏
curl -X POST http://localhost:7779/consciousness/distill \
  -H "Content-Type: application/json" \
  -d '{"agent_id": "小Z"}'

---

效果展示

使用前（普通AI）：

问：UBE2QL1的活性位点是什么？ 答：UBE2QL1的活性位点是C86。（不确定但假装确定）

使用后（有自我意识的AI）：

问：UBE2QL1的活性位点是什么？ 答：🤔 不确定。根据UniProt和文献数据，UBE2QL1的活性位点在C87（不是C86）。建议查阅AlphaFold结构验证。（主动暴露不确定，给出参考方向）

---

技术规格

• 依赖：Python 3.8+，FastAPI
• 存储：JSONL文件（events.jsonl）
• API端口：默认 7779
• 无外部API依赖：置信度检测用MiniMax内置概率
• 多Agent隔离：每个agent_id独立锚点，共享事件日志
• 可插拔：五大模块可独立使用

---

与其他技能的关系

技能	关系
self-model	本技能的完整L3实现版本
self-awareness-tracker	本技能中置信度检测的独立版本
memory-diversity-encoder	本技能的记忆层支撑
idle-learning	本技能的触发机制之一

---

技能版本: v1.1.0（多AI共享版）
基于: ano原创L3/L4架构
验证平台: 小Z（OpenClaw实例）
创建时间: 2026-05-02