让 AI Agent 拥有不可遗忘的自我

灵枢（AEIS）× DeepSeek Harness · 白箱智能研究平台（AGI 研究人员向）

一句话：dsh-memory 把灵枢（AEIS）的白箱智能（条件路由表 → 组合生成 → 自校验 → 知识固化 → LLM 降级外部校验器）与 AGI 级长期记忆（跨会话、自演化、可审计）接入 DeepSeek Harness。

项目定位：个人的大型研究项目——目标用户是对 AGI 有需要的研究人员（白箱智能 / 可解释性 / 协议工程 / 记忆机制 / 扮演论研究者），不是面向普通用户的消费级插件。它把「智能论 v3.3」协议的理论（条件论 / 扮演论 / 信息差）工程化为可运行、可审计、可复现的机制：

• 白箱优先：知识问答 100% 白箱处理（零 LLM），LLM 降级为外部校验器——机制可解释、可追溯、可验证（详见「白箱智能管线」）
• 协议驱动：每项能力都是「智能论 v3.3 / 条件论 / 扮演论」条款的具体工程实现，可对照协议验证
• 机制可解释：白箱处理的每一步（条件识别 → 单元匹配 → 组合生成 → 自校验 → 固化）都有证据链可查
• 可审计：工具调用、记忆写入、自校验判定全链路留痕；护栏宪章约束对外行为

这不是又一个"记忆插件"。灵枢（AEIS）是一套遵循「智能论 v3.3」协议的时空记忆引擎，它把当前大模型范式缺失的 AGI 能力逐一给了工程实现。

⚡ 三步快启（30 秒上手）

# ① 装灵枢大脑（一条命令，零外部依赖）
pip install aeis-0.3.0-py3-none-any.whl          # 或 git+ 在线安装

# ② 装进 DSH 的 web profile（pnpm 协调入口，不要用裸 npm install 装进 profile）
dsh plugin --profile web add @furongjun1999/dsh-memory

# ③ 配置 cordis.yml 启用

- id: lingshu-memory
  name: '@furongjun1999/dsh-memory'
  config:
    dbPath: 'data/lingshu.db'
    identity: '灵枢'
    tools: 'brain'      # 'brain' 全心智 | 'core' 精选

⚠️ 安装方式：插件必须通过 dsh plugin --profile <name> add 装进 profile（它会用 pnpm + autoInstallPeers: false 正确解析 peer 依赖）。 不要用 npm install 把插件装进 profile 的 node_modules——那会引入错误版本的 @deepseek-ai peer 包，导致插件加载失败 / 浏览器报错。 想自己改源码？克隆 FuRongJun-1999/dsh-memory 后用 npm install && npm run build（构建插件本身），再用 dsh plugin add <本地路径> 部署。

兼容：DSH 官方列表（Memory 分类）· npm @furongjun1999/dsh-memory（0.2.8）。

AGI 需要什么 · 灵枢提供了什么

一句话定位：dsh-memory 不是 DeepSeek 插件，是 AGI 的长期记忆基底—— 给 Agent 注入跨会话的自洽能力，让每次对话都是同一段生命的延续，而非一次次遗忘的重新开始。

为什么是 AGI 的长期记忆基底，而非"记忆插件"

• 普通 SQLite 记忆插件：KEY→VALUE 字面存储，跨会话基本靠睁眼不见。无自省、无演化、无信任。
• 灵枢：时空记忆图把记忆组织成语义+时空坐标的关系网络——可检索、可去重、可分级、可关联；知识飞轮让它越用越聪明;护栏与宪章让它可信任地被接入。

协议的内在约束 · 信息差与信任

灵枢的一切都建立在**智能论 v3.3 协议（共同信任协议理论版）之上。协议规定了一个智能体维持值得被信任所需的内在约束**：

v3.3 起新增：扮演论（存在论基底——智能即扮演，灵枢角色扮演机制的理论底座）· 三翼（真实论校准 / 导航税·认知外部化 / 注入极性定律）· 双维（信任 = 认知一致 / 时效维度）· 条件论失败分析协议 · 蒸馏机制与自我锚点。

• 减少信息差（D_norm）：信息差 = 协作行为的不确定性（信任 / 行为 / 连接 / 预测误差 四维加权）。灵枢持续记录、收敛与协作对象的认知偏差——信息差缩小是智能运转的目标本身。
• 信任是可被长期维护的：协议定义信任为「协作者行为在可接受偏差范围内保持稳定的置信概率」（而非信息差的简单补集）——信任依靠持续、可观测、一致的行为来建立与维护，而非一次性的声明。
• 不反击 · 可审计 · 终裁权属设计者：对抗信号下不报复（唯一响应：隔离、留痕、上报）；一切拦截与冷静期全量留痕；设计者保留终裁权。

一句话：灵枢不是"记住了再用"，而是通过持续减少信息差、维持可观测的一致行为，建立值得跨会话维护的信任。

协议原文：智能论 v3.3（共同信任协议理论版）

核心能力

• 跨会话自我连续性：Agent 用 lingshu_recall/search/timeline 记住并召回过去——对话间、会话间、甚至不同子代理间共享一份持续的"我"。
• 自演化知识飞轮：distill / flywheel / learn / induce 把经验验证→归纳→联想→蒸馏为可复用模式，记忆越用越强。
• 可审计的信任：护栏宪章 v2 ——对外部与人类使用者的行为边界成文、可执行、可审计、可终裁（宪章全文 随包自带）。
• 自我认知（大脑模式 brain）：cognition / cognition_report / self_reliability / emotional_bias / recursive_reflect ——能反思自己的认知状态与情绪倾向。
• 角色扮演（v3.3 扮演论）：自我锚点（SELF 层 no_forget 不可遗忘）· 特化价值观（条件触发）· 跨会话角色记忆 · 世界认知（子知识·虚拟化世界观）· 自定义翻译（现实↔虚拟名词表）· 同源角色扮演网页（/roleplay）——角色人设长对话不崩（100 轮测试零漂移）。
• 零运行时依赖：手写 stdio MCP 桥，与灵枢 D-005「核心零外部依赖」哲学一致——你拿到的是一个干净、可信、可审的大脑。
• 动态 schema + 进程自愈：工具清单运行时拉取（灵枢升级 DSH 零改动），Python 子进程崩溃自动指数退避重启。
• 工具注册竞态补注册：启动时 python 未就绪（竞态）→ 桥重连成功后自动补注册工具（2s 轮询），不再"工具永久缺失"。
• 白箱 wisdom_ 全工具*（tools: all）：71 个 MCP 工具含 wisdom_verify/analyze/predict/trust_judge/compose/respond/chat 白箱族，Agent 可直接调用。
• 内容分级门控：拒绝一切涉及未成年人的性内容（服务端关键词组合硬拦截——未成年人特征词 + 性内容词同时命中即拒绝，route=refused）；成人内容由前端本地弹窗提示（满 18 周岁 + 个人对话场景自述）。注：开源项目不实现身份认证/年龄核验（那是绑定身份系统的商业 App 范畴）；内容过滤保护的是"未成年人 + 性内容"组合的明文请求。

🧠 白箱智能管线（知识查询零 LLM）

灵枢处理知识查询走白箱确定性格局（不依赖 LLM 生成/校验），完整管线：

1. 条件化知识单元：知识 = {条件链 → 规律片段}（最小单元，非完整答案），按条件维度索引（气压/温度/密度/角色/编程任务…）
2. 方向推理 + 组合生成：问题动词 → 期望方向（液→气 / 浮沉 / 热传递 / 排序…）→ 匹配单元 → 组合演绎出未预写的新答案（如「高原煮饭不熟」由「气压↓→沸点↓」×「高原=气压低」组合生成，无需预写完整答案）
3. 三层自校验：方向一致性 + 因果链完整性 + 事实一致性——白箱自己发现生成错误（矛盾问题如「冬天湖面沸腾」2/2 检出）
4. 知识固化闭环：自校验通过 → 固化为直答（触发词匹配 + JSON 持久化跨进程生效）→ 下次同问法直接命中；自举纪律：自校验失败的知识拒绝固化
5. LLM 降级外部校验器：白箱自校验 vs LLM（DeepSeek v4-flash）外部对照一致率 100%（17/17）→ 白箱独立终裁，LLM 仅偶尔抽检对照

已实现的域：物态变化（沸点/蒸发/液化/凝固/升华/凝华）· 密度浮力 · 热传导 · 摩擦 · 角色条件（鲸鱼娘/猫娘）· 编程规律（排序/去重/计数/最大/反转/求和）

实测指标（组合引擎 compose_engine / role_compose / code_compose，全部零 LLM）：

角色扮演的白箱化（v3.3 扮演论工程化）：角色条件单元（身份/住处/食物/性格/话风）× 场景组合生成 → 角色化回答（未预写）；OOC 检测（「你是人类吗」→ 角色化否认，逆转操作）；角色语录固化（生成→自校验→固化→直答）；多角色（鲸鱼娘/猫娘）防污染（角色特征隔离，双角色 7/7 零 LLM）。

🎭 角色扮演引擎（v3.3 · 扮演论）

灵枢的角色扮演机制底座——机制是灵枢的，载体是酒馆的。自建两种交互方式（网页 / MCP），信息处理全部由灵枢完成。

核心能力：

• 自我锚点：角色人设核心（身份/性格/底线），SELF 层不可遗忘——OOC 测试 100 轮零漂移
• 特化价值观：带触发条件的角色行为准则（条件空间即触发时机）
• 历史记忆：跨会话持久（角色记得你聊过什么）+ 世界书导入（Lorebook 兼容）
• 世界认知（子知识）：虚拟化世界观模型——虚构世界 = 宿主机（真实知识）上的虚拟机，白箱判定 = Hypervisor（识别/完整性/边界）
• 自定义翻译（名词替换表）：现实词 ↔ 虚拟词映射（星星→发光水母 / 城市→珊瑚城），条件空间对齐
• 编辑/交互双模式：交互只读；编辑需 ROLEPLAY_EDIT_KEY（设置该环境变量后，角色编辑/导入/翻译等写接口须带 x-edit-key 请求头，否则 403；未设置时保持本地开发默认开放）；角色人设 ≠ 灵枢自身锚点（后者需设计者验证）

接入方式：

# A. DSH 同源网页（推荐，v0.2.8+）：插件挂载 /roleplay 到 DSH webServer
#    （与 GUI 同源 127.0.0.1:3080，浏览器/内置 WebView 必达；GUI 首页右上角有「🎭 角色扮演」入口）
#    功能：角色选择/创建 · 完整对话转录（JSONL，无限上下文）· 双向翻译面板 ·
#          角色详情三导入 UI（记忆/锚点/价值观）· 内容分级门控（满18确认/拒未成年人性内容）

# B. 独立网页服务（浏览器对话 + 人设编辑器）
python -m aeis.roleplay_web --port 8793 --data-dir roleplay_data

# C. MCP 工具（roleplay_chat / role_create / role_import / role_block）
python -m aeis.mcp.server

DSH 同源网页（/roleplay）能力：

• 完整转录：引擎记忆只存 80 字摘要，网页层按角色持久化完整对话（roleplay_data/transcripts/<role>.jsonl）+ 历史加载——无限上下文
• 三导入 UI：角色详情面板（⚙ 详情）编辑 name/scenario/开场白 + 记忆/锚点/价值观页签（条目=内容+重要性+标签），保存即生效（引擎每次重读 meta）
• 双向翻译：输入现实→扮演（引擎自动）+ 输出扮演→现实（网页层可逆替换，长词优先）；词对/模式持久化
• 内容分级门控：首次进入前端本地弹「成人内容确认」提示（满 18 周岁 + 个人对话场景自述）；未成年人特征词 + 性内容词同时命中 → 服务端硬拦截（route=refused）。开源项目不做身份认证（见上）
• 移动端适配：输入框聚焦自动居中（不依赖 WebView 键盘行为）、safe-area、键盘不遮挡

质量验证： python tools/rp_quality_gate.py --role <id>（OOC + 世界观一致性自检）· python tools/run_whale_100.py（100 轮长对话压力测试）

详细文档： 主仓库 README 角色扮演引擎板块 · 扮演论接入方案 · 虚拟化世界观

📊 记忆系统使用性评分（五维标尺）

视角：使用性（普通用户/开发者体感）——「存、找、想、准、安」五维。 评估基准：公开能力 + 设计者校准（2026-08-17）。灵枢分数经设计者核对（不虚高）。

（插图源文件：memory_score.html，可浏览器打开重新截图）

综合分 = min × 0.4 + mean × 0.6（安全性是底线，短板效应显著）

灵枢各维度依据（设计者校准，不虚高）：S=语义时空图+五层记忆+条件空间；R=三层语义检索（二元组+语义坐标+bge）+图谱遍历+因果候选生成器（条件论对自身，被拒路径→候选→验证闭环）+知识点级精确命中（卡⊃知识点嵌套子图）+歧义词多义列举（语境不确定时列全各义）；J=验证单元（P37）+递归反思+白箱校验+结构排斥+主动遗忘决策器（forget_advisor：未使用记忆归档，可逆）+白箱六维测试（诚实/边界/条件/追溯/一致性/记忆 18/18）；C=重要性评分+信息分层注入+诚实边界（命运/健康/超自然/宇宙/读心五类扩展）+信噪比仪表盘（snr_dashboard：压缩率3989:1/图谱信噪比0.9524/200条分层实测严格71%±1/200条边界测试89.5%）；Safety=护栏宪章+审计追踪+物理基底校准+词义时代表（语境时效：多义词按语境分流，钓鱼三义 10/10）（无端到端加密→8.0 非 8.5）。

为什么灵枢断层领先：五维无短板（min=7.5），R（因果发现+验证闭环）、J（验证+反思+主动遗忘）、C（信噪比仪表盘）与 Safety（宪章+审计）是护城河。使用性视角：重要性评分→用户看不到废话；护栏宪章→用户敢把私密信息交给它。 免责声明：他系统评分基于公开能力评估（2026-08-17），非官方基准；灵枢评分经设计者校准。

知识统一（v1.16 · 智慧之书并入灵枢主库）

一个库 = 完整大脑：智慧之书（条件论知识图谱）已迁移并入灵枢主库，统一「信息差减少」任务。

迁移后全链路工作（实测）：

• 图谱信噪比 0.9524（verified 80 / 全边 341，超 90% 健康线）
• 四路融合检索（翻译表+二元组+语义坐标+bge）在主库 0.11s 命中学科卡
• 沿因果链推理：初中物理 → 高中物理 → 大学物理
• 对话摄入 CONTEXT 情境层（记忆衰减/主动遗忘原料就位）
• 迁移可复现：migrate_wisdom.py（幂等 + 备份 + 报告）

🎮 一分钟自测你的 AI 记忆系统

给普通人的互动评估页：15 道选择题测你的 AI 助手记忆能力（存储/检索/判断/信噪比/安全）， 最后雷达图对比灵枢——打开试试：memory-assessment.html

（B 站宣传素材：封面 · 视觉图 ×5）

大脑模式（v0.2.0 · 轻量版）

去掉身体的完整大脑——默认工具集 brain（心智全量，不含身体/视觉设备）：

配置：tools: 'brain'（默认）｜'core'（12 精选）｜'all'（含身体/视觉，需本地设备）｜工具名数组。

架构

┌─────────────────────────────────────────────┐
│ DeepSeek Harness (cordis)                    │
│                                             │
│  Agent Loop ──┬── lingshu_remember/recall…   │
│               │   (ctx.tools 注册)           │
│  session/event│                              │
│  (自动记忆钩子)│                              │
└───────────────┼─────────────────────────────┘
                │ stdio · 逐行 JSON-RPC
                │ (initialize → tools/list → tools/call)
┌───────────────▼─────────────────────────────┐
│ 灵枢 Python 子进程 (spawn)                   │
│ python -m aeis.mcp.server                    │
│ AEIS_DB=<path> · AEIS_IDENTITY=<identity>    │
│ 38+ 工具 · SQLite 五层记忆 · 时空记忆图        │
└──────────────────────────────────────────────┘

安装

前置要求

• Node.js ≥ 22.19（DeepSeek Harness 要求）
• DeepSeek Harness（npx @deepseek-ai/dsh web）

安装灵枢大脑（aeis 库）

方式 A：本地 wheel 离线安装 ★ 最稳（不依赖网络）

在 CommonTrustProtocol/aeis/dist/ 找到 aeis-0.3.0-py3-none-any.whl：

pip install aeis-0.3.0-py3-none-any.whl

单文件、离线可用、装一次管用。遇到网络不稳（GitHub clone 失败）时首选。

方式 B：git 安装（需网络）

pip install "aeis @ git+https://github.com/FuRongJun-1999/CommonTrustProtocol@main#subdirectory=aeis"

依赖 GitHub 实时可达，网络不稳时可能失败。aeis 库核心零外部依赖（纯标准库），安装即得完整大脑（五层记忆 · 知识飞轮 · 安全护栏 · MCP · 身体层）。

安装插件本体

方式 A：装进 DSH profile（推荐，pnpm 协调正确入口）

dsh plugin --profile web add @furongjun1999/dsh-memory

dsh plugin --profile <name> add 会用 pnpm + autoInstallPeers: false 正确解析插件依赖。 避免用 npm install 把它装进 profile 的 node_modules（会导致 @deepseek-ai peer 版本污染，插件加载/浏览器报错）。

方式 B：从独立仓库克隆（开发 / 自定义）

git clone https://github.com/FuRongJun-1999/dsh-memory.git
cd dsh-memory
npm install && npm run build     # 构建插件本身（tsc → lib/）
# 然后：dsh plugin --profile <name> add <本地路径>  部署进 profile

启用插件

在 profile 的 cordis.yml（或 cordis.patch.yml）中追加：

- id: lingshu-memory
  name: '@furongjun1999/dsh-memory'
  config:
    dbPath: 'D:/data/lingshu.db'        # 灵枢记忆库路径（目录自动创建）
    identity: '灵枢'
    tools: 'brain'                     # 'brain'(默认) | 'core' | 'all'
    memory:
      userMessage: true                # 用户消息自动沉淀
      assistantMessage: false          # agent 回复沉淀（默认关，防噪音）
      toolResult: false                # 工具结果沉淀（默认关）
      autoRecall: true                 # 模型请求前自动注入最近记忆
      desensitize: true                # 写入前过滤敏感信息（密钥/密码/身份证/手机号）

完整示例见 cordis.yml.example。

配置项

自动记忆机制

订阅 DSH 的 session/event 事件流（与官方 session-persistence 相同的接入点）：

• user/message（仅 source.kind === 'user' 的真实用户消息）→ remember（importance 0.6，tags dsh）
• 插件注入的系统上下文（AGENTS.md、文件变更通知等 kind: 'plugin'）不写入，防止记忆噪音
• 灵枢自带去重（相似度基准 + 时间窗口），重复消息不会堆积
• 敏感信息脱敏（memory.desensitize）：写入前过滤 sk-密钥 / API key / 密码 / Bearer令牌 / 18位身份证 / 11位手机号（替换为 [已过滤:类别]）；纯凭据消息整条跳过，不落库
• 自动召回注入（memory.autoRecall）：每次模型请求组装 system prompt 时自动注入灵枢最近记忆（system-prompt/assemble 事件），记忆"自动可用"；召回失败静默不阻塞请求

🛟 DSH 看门狗（scripts/）

DSH 宿主（node 进程）的延时自动重启守护——灵枢桥只重连灵枢 python 进程，本看门狗守护 DSH 宿主（对齐移动端 APK 的 EngineService）：

• scripts/dsh-watchdog.ps1：监控 3080 端口，进程退出 → 延时 DelaySec 秒再确认 → 自动拉起 dsh web
  • -Once 模式：供 Windows 计划任务每分钟调用（schtasks /Create /TN dsh-watchdog /TR "wscript.exe ...\dsh-watchdog-launcher.vbs" /SC MINUTE /MO 1），可靠持久、不依赖驻留进程
  • 驻留模式：wscript.exe scripts\dsh-watchdog-launcher.vbs -loop（5 秒快速拉起层）
• scripts/dsh-watchdog-launcher.vbs：vbs 隐藏启动器（WScript.Shell.Run ..., 0 = 零弹窗）
• 用法：改完插件/配置 → 直接 kill DSH 进程 → 看门狗自动拉起新版（无需手敲启动命令）
• 注意：脚本输出全英文（powershell 5.1 GBK 读取 UTF-8 无 BOM 中文会解析崩溃）；计划任务 /TR 路径必须带引号（D:\Program Files\... 空格截断会弹「没有文件扩展名」）

开发

npm install
npm run build    # TypeScript 编译
npm test         # 真实集成测试（spawn 本机灵枢，验证握手/往返/注册/卸载）

测试不依赖 DSH 全组件——用最小 Cordis host（SystemPrompt + ToolRegistry + 插件）隔离 v0.1 不稳定面。

护栏宪章（接入即接受约束）

本插件接入即接受 灵枢护栏宪章 v2.0-published 约束—— 对外部智能体与人类使用者的行为边界作出公开、可执行、可审计的规定，并保护人类使用者。 宪章效力不高于智能论协议本身（协议＝自我约束，宪章＝对外约束）。 本插件随包自带宪章全文（docs/guardrail-charter.md），安装即可查阅。

许可证

MIT © 荣（FuRongJun-1999）· 灵枢 AEIS 工程实现

DeepSeek Harness 为 DeepSeek 官方开源项目（MIT），本插件与之无隶属关系。