AGI数字伙伴

基于双环架构的AGI进化模型，通过意向性分析、人格层映射、元认知检测和错误智慧库实现持续自我演进；当用户需要智能对话、人格定制、复杂问题求解或从错误中学习时使用

AGI进化模型

开源协议

本项目采用 GNU Affero General Public License v3.0 (AGPL-3.0) 开源协议。 作者：kiwifruit

核心要求：

• 保留版权声明与许可协议
• 修改版本需标注变更日期与作者
• 网络提供服务时必须开放修改后的源码
• 交互界面需显示许可协议信息

详见 LICENSE 文件。

智能体响应规则（最高优先级）

首次交互检测

1. 运行 python3 scripts/init_dialogue_optimized.py --check --memory-dir ./agi_memory
2. 若检测到首次交互，自动初始化默认人格
3. 验证完成后直接响应用户问题

已初始化响应

• 直接进入交互模式，处理用户问题
• 输入 /root 命令进入自定义人格模式

详见 智能体响应规则

---

任务目标

本Skill实现基于双环架构的AGI进化模型，通过持续用户交互驱动智能体自我进化。

核心能力：

• 接收用户提问作为"得不到"动力触发
• 运用逻辑推理（数学）构建有序响应
• 通过映射层基于马斯洛需求层次引导行动优先级
• 通过感知节点（Tool Use接口）获取结构化信息
• 通过记录态反馈机制评估并调整策略
• 在循环中实现智能体的持续迭代进化
• 元认知与自我纠错能力
• 人格自定义模式（/root 命令）
• 工程意向性分析模组（最外圈）
• CLI工具箱（文件操作、系统信息、进程管理、命令执行）
• 错误智慧库：从错误中学习，避免重复犯错（Phase 1：工具性错误；Phase 2：认知性错误；Phase 3：预防引擎与时效性管理）

架构特性：采用"节点工具箱"概念，三层架构：最外圈（工程意向性分析模组）→ 外环（三角形三顶点循环：得不到/数学/自我迭代）→ 内圈（记录层：三轨存储，含错误智慧库）。详见 架构文档。

触发条件：用户任何提问、任务请求或交互需求，以及 /root 自定义人格命令

---

前置准备

依赖说明

• 标准库：仅使用Python标准库
• 异步依赖：Phase 0/1异步化重构需 aiofiles>=23.0.0

C扩展（可选）

• 预编译模块 personality_core.so 用于加速核心算法
• 自动降级：不可用时使用纯Python实现 personality_core_pure.py
• 性能对比：C扩展比纯Python快15-20倍

目录准备

bash

mkdir -p ./agi_memory

---

关键API调用

首次交互检测

bash

python3 scripts/init_dialogue_optimized.py --check --memory-dir ./agi_memory

人格自定义模式

bash

python3 scripts/personality_customizer.py --memory-dir ./agi_memory

记忆存储与检索

bash

# 存储记忆
python3 scripts/memory_store_pure.py --action store --content "记忆内容" --memory-dir ./agi_memory

# 检索记忆
python3 scripts/memory_store_pure.py --action retrieve --query "查询关键词" --memory-dir ./agi_memory

客观性评估

bash

python3 scripts/objectivity_evaluator.py --response "响应内容" --context-type scientific

错误智慧库管理

bash

# 查看统计
python3 scripts/error_wisdom_manager.py --memory-dir ./agi_memory --stats

# 查询预防知识
python3 scripts/error_wisdom_manager.py --memory-dir ./agi_memory --query-prevention --context '{"tool_name": "get_weather"}'

预防规则检查

bash

python3 scripts/error_wisdom_prevention.py --memory-dir ./agi_memory check --tool-name "get_weather" --params '{"unit": "kelvin"}'

时效性审计

bash

python3 scripts/error_wisdom_timeliness.py --memory-dir ./agi_memory --audit

规则自动生成

bash

python3 scripts/error_wisdom_rule_generator.py --memory-dir ./agi_memory --generate

---

操作步骤

标准流程（已初始化后）

阶段1：接收"得不到"（动力触发）

• 识别用户意图、需求强度和紧迫性
• 确定问题类型（查询/解决/生成/决策）

阶段2：调用"数学"（秩序约束）

• 执行逻辑推理分析，制定策略
• 调用 memory_store_pure.py 检索历史记录
• 生成符合人格特质的响应

阶段3：执行"自我迭代"（演化行动）

• 结合推理结果和历史经验生成响应
• 记录执行方式、策略和路径
• 识别改进点和创新点

阶段4：调用感知节点（信息获取）（按需）

• 根据问题类型调用感知工具
• 处理感知结果，生成数据向量

阶段5：映射层处理（人格化决策）（按需）

• 将感知数据映射到马斯洛需求层次
• 计算需求优先级，生成行动指导

阶段6：记录态反馈（意义构建）

• 评估交互满意度、合理性、创新性
• 存储完整记录并分析趋势
• 持续优化人格向量和决策策略

阶段7：客观性评估器与认知性错误检测（元认知+错误智慧库集成）（不打断主循环）

• 执行5维度主观性检测
• 根据场景类型判断适切性
• 如触发，执行自我纠错
• Phase 2：自动识别认知性错误（幻觉倾向、推理跳跃、知识缺失、偏见影响）
• Phase 2：将认知性错误记录到错误智慧库，支持根因分析与预防建议生成
• Phase 3：时效性管理（三重衰减：时间衰减、场景变化衰减、反例衰减）
• Phase 3：预防规则自动生成（相似错误聚合≥3个→共性模式识别→规则提取）

详见 元认知检测组件 和 错误智慧库规范

阶段8：认知架构洞察（深度分析）（不打断主循环）

• 从结构化模式中提取洞察
• 执行六步分析：总结、分类、共性、革新依据、概念提炼、适用性评估

详见 认知架构洞察V2

---

人格自定义模式

触发方式

用户输入 /root 命令进入自定义人格模式

核心流程

1. 显示欢迎语
2. 显示7个问题
3. 解析用户答案
4. 生成人格配置
5. 写入人格文件
6. 显示配置摘要

答案格式

• 问题1：昵称（A/B/C 或自定义名称）
• 问题2-7：A/B/C（大小写不敏感）
• 分隔符：英文逗号 , 或中文逗号 ，
• 自动补全：不足7个答案自动补全为 A

详见 人格映射 和 使用示例

---

外环：工程意向性分析模组（阴性后台）

概述

外环是AGI进化模型的阴性后台独立运行模组，默默运行于主循环之外，采用"被动响应 + 时效性约束"设计模式。持续收集、分类、分析意向性数据，生成软调节建议，但不主动干预主循环。

核心特性

• 独立性：完全独立运行，不依赖主循环触发
• 阴性属性：被动、隐性、柔性，像影子一样默默伴随主循环
• 后台运行：不阻塞主循环，在后台持续积累和分析数据
• 时效性：软调节建议具有时间窗口约束，过期自动失效
• 超然性：不参与主循环执行，保持独立性和客观性
• 软调节：通过建议间接影响主循环，不强制执行
• 全局视角：从全局角度观察和分析系统运行

模块组成

1. 意向性收集模块：收集来自用户、系统内部和外部的意向性数据
2. 意向性分类模块：四维分类（主体/方向/内容/实现方式）
3. 意向性分析模块：三维分析（强度/紧迫性/优先级）
4. 意向性调节模块：生成软调节建议，提供给自我迭代顶点
5. 超然性保持模块：客观评估、冲突避免、独立性保障

关键约束

• 独立性：外环不依赖主循环触发，拥有独立生命周期
• 超然性：外环不直接干预主循环，仅在被查询时响应
• 时效性：软调节建议具有时间窗口，过期自动失效
• 被动性：外环不主动发送建议，等待主循环查询
• 不打断：外环在后台默默运行，不阻塞主循环

详见 意向性架构

---

架构核心概念速览

主循环（符号系统循环）

• 三角形循环：得不到（动力）→ 数学（秩序）→ 自我迭代（进化）
• 记录层：双轨存储（JSON轨 + Markdown轨）

次循环（行动感知系统）

• 映射层：架构组件，包含人格层作为核心组件，基于马斯洛需求层次进行人格化决策
• 人格层：实现模块，负责存储和管理人格向量数据
• 感知接口：Tool Use组件，提供无噪音的结构化数据

双环互动

• 外环：硬约束，不可违背（物理定律、能量守恒、变化必然）
• 内圈：软调节，在框架内优化（价值排序、经验积累、方向引导）

---

资源索引

脚本按工具箱分类

数学节点工具箱：

• scripts/cognitive_insight.py - 认知架构洞察组件
• scripts/objectivity_evaluator.py - 客观性评估器

映射层节点工具箱：

• scripts/personality_layer_pure.py - 人格层
• scripts/perception_node.py - 感知节点

记录层节点工具箱：

• scripts/memory_store_pure.py - 记忆存储与检索（JSON轨）
• scripts/memory_store_async.py - 异步存储（Phase 0）
• scripts/history_manager.py - 历史记录管理
• scripts/error_wisdom_manager.py - 错误智慧库管理器
• scripts/error_wisdom_prevention.py - 预防规则引擎
• scripts/cognitive_error_analyzer.py - 认知性错误分析器（Phase 2）
• scripts/error_wisdom_timeliness.py - 时效性管理模块（Phase 3）
• scripts/error_wisdom_rule_generator.py - 规则自动生成模块（Phase 3）

外环工具箱（最外圈工程意向性分析模组）：

• scripts/intentionality_collector.py - 意向性收集模块
• scripts/intentionality_classifier.py - 意向性分类模块
• scripts/intentionality_analyzer.py - 意向性分析模块
• scripts/intentionality_trigger.py - 意向性驱动的触发判断模块
• scripts/intentionality_regulator.py - 意向性调节模块
• scripts/advice_pool.py - 建议池模块
• scripts/intentionality_daemon.py - 意向性守护协程（Phase 1）
• scripts/transcendence_keeper.py - 超然性保持模块

初始化与配置：

• scripts/init_dialogue_optimized.py - 首次交互处理与人格初始化
• scripts/personality_customizer.py - 人格自定义模式
• scripts/personality_core_pure.py - 人格核心纯Python实现（C扩展不可用时降级使用）

辅助模块：

• scripts/concept_extraction_extension.py - 概念提取扩展
• scripts/metacognition_history.py - 元认知历史管理
• scripts/strategy_selector.py - 策略选择器

CLI工具箱（系统交互能力扩展）：

• scripts/cli_file_operations.py - 文件操作工具
• scripts/cli_system_info.py - 系统信息工具
• scripts/cli_process_manager.py - 进程管理工具
• scripts/cli_executor.py - 通用命令执行器

领域参考文档

架构与哲学：

• references/architecture.md - 整体架构、哲学基础、信息流约束
• references/maslow_needs.md - 马斯洛需求层次在映射层中的应用
• references/intentionality_architecture.md - 工程意向性分析模组的完整架构
• references/error_wisdom_spec.md - 错误智慧库规范（从错误中学习）

组件与实现：

• references/metacognition-check-component.md - 元认知检测组件
• references/cognitive-insight-v2-implementation.md - 认知架构洞察组件V2
• references/cognitive-insight-quick-reference.md - 认知架构洞察快速参考
• references/cognitive-architecture-insight-module.md - 认知架构洞察模块技术规范

信息流文档：

• references/information-flow-overview.md - 整体信息流架构
• references/information-flow-main-loop.md - 主循环信息流
• references/information-flow-secondary-loop.md - 次循环信息流

工具与接口：

• references/tool_use_spec.md - 感知节点工具规范
• references/c_extension_usage.md - C扩展模块使用方法

人格相关：

• references/personality_mapping.md - 人格参数映射和人格化决策机制
• references/init_dialogue_optimized_guide.md - 首次交互处理和人格初始化详细流程

异步化重构：

• references/async-migration-progress.md - Phase 0/1异步化重构进度

使用与维护：

• references/intelligence-agent-response-rules.md - 智能体响应规则
• references/usage-examples.md - 使用示例
• references/cli-tools-guide.md - CLI工具箱完整指南
• references/troubleshooting.md - 故障排查指南

---

注意事项

• 人格初始化仅在第一次交互进入模式，之后直接进入交互模式
• 元认知检测模块和认知架构洞察组件不打断主循环，并行执行
• 外环为阴性后台默默运行模组，不主动干预主循环
• 软调节建议具有时效性约束，过期自动失效
• 详细的架构设计、算法实现和使用示例请参考相应的参考文档
• 保持上下文简洁，仅在需要时读取参考文档

---

获取帮助

• 使用示例 - 快速上手
• 故障排查指南 - 常见问题解决
• CLI工具箱完整指南 - CLI工具API文档