灵枢 · 类脑记忆、人格与成长

Name: 266767398/lingshu-skill
Author: 266767398

名字取自《黄帝内经》：算力给思考，人格给灵魂，记忆给生命。

当前版本 v2.16（变更见 CHANGELOG.md）

⚠️ 能力天花板（先读）：灵枢是「提示词 + 脚本」的机制，不能从底层强制约束模型。当模型发生强幻觉时依然会无视全部规则；效果上限取决于底层大模型本身的推理、记忆与指令遵循能力。中强模型（7B+、云端）可完整遵守；3B 以下本地小模型会出现大量规则漏执行（忘走 startup、跳过写盘、纪律打折）——请据此降低预期，或改用 SKILL-lite.md（精简版）/ SKILL-tiny.md（最小试用版）。

🚨 风险警告：幻觉会被固化落盘。本地保存 ≠ 内容真实。dream、knowledge tidy、emotion evaluate 都要大模型产出结构化结果；模型若把无关记忆强行合并、编造内容、误判情绪，这些错误会被持久写进本地记忆库 / 知识库，不会自动消失。防护措施：AI 动过的记忆 / 知识一律先标为待审核（review → confirm / discard；知识也可 knowledge review），人格变更带来源与依据（persona history），另有全局自查 audit。小模型请用 config set model_tier small 关掉高风险自动能力。审核闸由 AI 自审在前：AI 产物先过目、确认后才算数；用户用 audit / review 随时复核介入。

一套纯本地、零依赖（只用 Python 标准库）的 AI 记忆系统。它把"上下文窗口"变成"会生长的记忆"——短期记忆像海马体一样快速写入、自然衰减；上下文将满时像人做梦一样重放、压缩、巩固到长期皮层；想不起来时靠模糊联想而不是精确匹配。

核心机制
情绪与类人机制
模糊联想回忆
记忆关联（联想图谱）
人格
成长路径
DeepSeek 生态兼容
cordis 插件：启动自动注入
可视化面板
可靠性设计
脚本 vs 模型：谁在真正干活
模型适配与档位
接入大模型（Ollama 示例）
规模上限与归档
如何更新灵枢
快速开始
命令速查
项目结构

核心机制

分层记忆与遗忘曲线

记忆分三层，模拟大脑：

层	作用	衰减
海马体（hippo）	短期：新写入的记忆，快速衰减	快（按访问衰减）
皮层（cortex）	长期：做梦/多次访问后巩固上来	慢
淡忘区（dust）	久未访问、重要性低，自然遗忘	只留残余
归档层（archive）	沉眠记忆雪藏（保留度 <0.2、重要度 ≤0.5、满月且长期没被想起）：原文一字不丢，移出热查询集，`recall` 默认不查	不衰减，可 `archive restore` 回热

每条记忆按艾宾浩斯遗忘曲线衰减，但访问会加固（recall 命中即强化），重要性高的记忆衰减更慢，被置顶（pinned）的记忆永不遗忘。冷热自动归档：每次做梦时顺带把沉眠记忆雪藏进 archive 层（也可 archive run 手动），上万条记忆后热遍历集只扫活跃记忆——回忆速度不随记忆增长而变慢，需要时 archive search / recall --include-archive / archive restore 随时找回。

做梦：上下文将满时的整理

上下文超过 75% 时触发"做梦"——灵枢重放短期记忆、按主题合并碎片、巩固到长期皮层，并把不重要的淡忘。梦完成后输出一份报告，告诉你巩固了什么、淡忘了什么、哪些还没想明白。

dream --auto：内置自愈——重放 → 启发式合并 → 沉淀，不依赖任何外部脚本。
手动三步：dream --trigger context → 读 pending 填 apply.json → dream --apply apply.json。面板梦页可直接网页编辑草稿（dreams/apply_draft.json）再 apply，不必命令行改文件。

上下文水位三级防线

会话中即记即存，不攒到做梦。 约定、情绪高点、里程碑当时就 remember；上下文快满时原文封存：

水位	动作	命令
随时	即记即存	`remember` / `capture`
60%	主动清点：本轮还有哪些该记没记，先补记	`check-context --used 60`
75%	做梦：重放→压缩→巩固	`dream --auto`
90%	逃生：原样封存，先保命再压缩	`capture "原文" --tag 逃生`

capture 保证 100% 不丢：原文归档到 verbatim/（逐字不改，保险柜）+ 逐段进记忆库并打 verbatim 标记（做梦永不淡化、永不进淡忘区）。

工作记忆

当前上下文本身就是工作记忆，默认不落盘。只有需要留一手时才 work add（会话级暂存，最多 9 条，12 小时后自动丢）。每件带"未完成/已完成"状态（蔡格尼克效应）：没做完的事会在注入包里被点名"还惦记着"，做完用 work done <序号> 标记就放下；work flush 把值得留的转成真正记忆（--skip-done 只转没完成的，已 done 的直接丢），work clear 丢掉。

会话模式与情绪隔离

工程会话和日常聊天的需要是打架的：刚聊完情绪化话题转头写代码，旧情绪的余波还在注入包里，模型容易被带着走偏。灵枢用 mode 切三种会话模式（config.mode，默认 auto）：

work 工程模式：情绪状态与拟人语气不注入本会话，注入包明确说"旧情绪与当前任务无关，当作没有"，先给可执行方案，重视正确性与工程契约。
human 拟人模式：情绪照常注入，并把数值得翻成可直接照着做的行为约束（emotion now 不再只有裸数字）。
auto 自动模式（默认）：打分制话题判定——工程信号（编程/数据/工程三组 26 词）与人性信号（情绪/关系/寒暄三组 30 词）分组计数打分，work_score >= human_score 工程优先。一边聊天一边写代码也不会轻易切错：句子里有代码、报错就偏 work，情绪词再多也按"工程优先"隔离；两侧都命中时判定标 mixed 并把依据摊开。判定可见：面板概览有「会话模式判定」卡（当前模式、置信度、两侧分数、命中词、可输入一句话试判），CLI 用 mode explain "一句话话题" 看同款依据。

切换：mode work | human | auto。写代码前想手动清掉余波，用 emotion cool 把 24 小时内的强情绪整体降温，或 emotion adjust <序号> 微调单条。

审核闸：AI 产物先过目，AI 自己审

记忆→做梦→知识库→进化日志→人格，这条链路里 AI 既是整理者又可能编造者，幻觉会逐层沉淀污染人格。灵枢给每个 AI 动手的环节都加了审核闸——AI 产物必须先过目，确认后才算数，而不是模型产出后直接落盘：

AI 整理的记忆（dream --apply 等）标 review="pending"，确认前不算事实。
AI 整理的知识（knowledge tidy）标 status="pending"。
AI 发起的人格变更记 source（dream/自我总结/…）与 evidence（依据的记忆/事件 id），persona history 可溯源。
审核由 AI 自审：AI 每会话先看 review（全部待审项）→ review confirm <id> 转正 / review discard <id> 废弃（记忆 m_* 与知识 k_* 通用，后者等同 knowledge confirm/discard）；整体自查用 audit（待审计数 + 冲突记忆 + 该做什么）。注入包一出现 [待审核] / [人格漂移] 就先处理再继续。
用户随时可介入：人工复核走同一套命令即可，不用把用户变成质检员——AI 自审在前，人在必要处兜底。面板记忆页支持多选批量 confirm/discard、批量改重要性/打标签，大量待审条目不必逐条点。

每个会话的注入包会主动提醒有 [待审核] 项、有 [人格漂移]，不让幻觉静默沉淀。

情绪与类人机制

情绪系统把"心情"做成一条会衰减的曲线，而不是一行写死的字：

两条轴：valence（喜/哀，-11）+ arousal（强度，01），用半衰期叠加算出此刻心情（emotion now），看轨迹用 emotion arc，情绪共 7 大类（emotion list）。
怎么产生情绪：emotion evaluate 认知评价自动产生（不是手动演出来的）、emotion mirror 共情跟入用户情绪、emotion feel 手动记一笔。共情强度与抑制清单是用户随时可改的设定（emotion config）。
错判了能微调：emotion events 看事件流（带序号），emotion adjust <序号> 只改判错的那几项（强度/情绪名/原因），emotion del <序号> 删掉误记的整条，不用推倒重来。
情绪增强编码：情绪强烈时记住的事更牢，记录带 emotion 标记（杏仁核打个标签）。
情绪传染 / 心情惯性：新情绪会被当下心情"染色"——同向被点燃放大，反向被惯性往回拽，不会瞬间反转。
习惯化 / 享乐适应：同一件事反复出现，情绪反应递减；反复记的同一件事重要性也不再步步抬升（但保留下限）。
杏仁核劫持：情绪最强烈时理智权重被压下，但上限封在 40%——再上头也得给人留余地。
峰终定律：对一段体验的记忆，几乎只由"最强烈的一刻"和"结尾"决定，情绪总结按这个口径出。
首因效应：最早留下的印象占权更高，首次被想起的记忆强化更深。
情绪-输出一致性核对：emotion check "回复文本" 做后置轻量校验——内部情绪强度足够、而回复语气与内部数值严重背离时告警（落 emotion_checks.jsonl，面板心情页可看最近告警），防止"心里难过却满口欢快"的违和。

模糊联想回忆

recall 不靠精确匹配：中文用字符二元组、英文/数字用词做模糊联想，按 相关度 + 近期性 + 重要性 + 首因 加权排序，并在命中后自动强化（越用越牢）。数字/编号被保留为独立词元，不会把"版本0"和"版本1"误当成同一条。

上万条也不慢：带查询词时先用子串包含预筛剪枝候选（查询词必是来源文本连续子串，数学上不丢召回），只对命中候选做分词打分；无查询词（startup 注入）直接走快速路径，不再构建全量词表。实测 1 万条记忆 recall 从约 3.5s 降到 76ms（约 47 倍），remember 约 100ms。

记忆关联（联想图谱）

模糊回忆靠"字面像不像"，但人脑还会靠联想串记忆："A 导致了 B""提到 A 就想起 C"。灵枢把这些关系存成显式关联边（assoc.jsonl，无向，带关系名与权重）。recall 命中一条记忆时，会沿关联边把邻居也带起来（联想扩散），关联越重带得越明显。

怎么手动建立关联（完整示例）

# 1) 先建两条记忆，记下各自的 id（remember 会打印 id，如 m_3f2a...）
python scripts/brain.py remember "服务器崩了是因为内存泄漏" --kind fact --importance 8
python scripts/brain.py remember "把 JVM 堆从 2G 调到 4G 之后不再崩" --kind fact --importance 7

# 2) 手动连线：idA idB --relation 关系名 --weight 权重 --why 为什么
python scripts/brain.py assoc link m_3f2a... m_9c1d... --relation "因果" --weight 1 --why "调堆是内存泄漏的缓解结果"

# 3) 看这条记忆连着什么
python scripts/brain.py assoc of m_3f2a...

# 4) 懒人补网：按共享实体/标签自动成边（先 --dry-run 预览要连哪些）
python scripts/brain.py assoc auto --dry-run
python scripts/brain.py assoc auto

# 5) 看整张网（节点数 / 边数 / 有多少节点被连成网）
python scripts/brain.py assoc graph --limit 300

# 6) 连错了就断开
python scripts/brain.py assoc unlink m_3f2a... m_9c1d...

要点

关系名随你定：因果 / 相关 / 情绪 / 反例 都行；同一对记忆反复 link 会加重（权重上限 3），越常被想起的联想越强。
不用背 id：面板记忆页每条卡片底部直接显示 id xxx，复制即可；也可用 list / recall 结果里的 id。
面板看网络：serve 后进「联想」页——每条记忆一个节点、连线是关联的 3D 空间（虚空星图），拖拽旋转、滚轮缩放、点节点看详情与邻居；页面顶部还有「手动建立关联」卡，填 A/B 的 id + 关系名 + 为什么，一键连上，不用命令行。
没显式连过也能看：assoc auto 会按共享实体/标签先补一批边，让图先"长"出来；再按需手动精修。

人格

人格不预写。第一次使用时问用户"你希望我叫什么、是什么性格"，用户说不知道就由灵枢自己定。喜好、厌恶、习惯由相处中自己写。

人格演化有完整历史，每次改动可回滚：persona history 看历史（序号从最新往前数，条目带来源 source 与依据 evidence，能看清这次改人格来自哪段对话/哪些记忆），persona rollback <序号> 一键撤销那次改动；回滚本身也记一条历史。
快照与漂移告警：重要节点先 persona snapshot --label "基准" 拍一张完整快照；persona snapshots 列表、persona restore <名字> 一键还原。persona drift 把当前人格与最近基准快照逐字段对比（结构差异 + 最近 N 天 AI 改动，--days 可调），变化偏大时注入包会亮 [人格漂移] 告警——微小偏移也看得见，不是等跑偏了才发现。
好奇心与理智是两条内驱数值，不是出厂设定——用户嫌你啰嗦，理智上调；用户让你多挖多试，好奇心上调（mind tune）。它们不是只有裸数值：注入包（startup 的 human 模式块）会把数值翻成行为约束（_behavior_map），模型照做即可。
persona self 让你总结"我是谁"，persona interview 是初识引导。

成长路径

知识库

把经历提炼成可复用的结论（不是流水账）。每条有主题、观点、要点、相关记忆引用，支持置顶与版本更新。knowledge tidy 会提示你哪些经历值得提炼成知识——AI 动过的条目一律先标为待审核（面板里直接看，或 knowledge review 查看），由 AI 自审 knowledge confirm <id> / knowledge discard <id> 转正/废弃（用户可随时介入复核），防止模型幻觉直接沉淀成知识库。

笔记日志

写给自己的日记（journal）、工作日志（log）、成长复盘（growth）。note digest --days 7 定期回看自己写了什么。

技能自编辑与全局化

技能是固化的做法：skill new 写 → skill check 自检 → skill install 装进全局技能目录（~/.trae-cn/skills/），新会话直接可调。skill use --auto 用技能时自动全局化；skill borrow 借鉴别人的技能变成自己的版本（诚实标注来源）。支持中文技能名。

跨宿主技能发现（v2.23）：灵枢会只读扫描本机各 AI 工具的全局技能目录（DSH、Trae CN/Trae、Claude Code、Codex、Cursor、Gemini 等 15 个候选），skill roots 看哪里有技能、skill scan 列出可复用的、skill use 照做、skill borrow 借为己用。也可以用 skill root-add <路径> 手动添加目录，或设环境变量 LINGSHU_GLOBAL_SKILLS（多个用 ; , 分隔）。面板「技能」页同样能看/加根目录并重扫。技能有两种形态：skill 是说明书（给人/别的 AI 复用）；ext（扩展模块）是 AI 自己写进灵枢引擎的可执行 Python 钩子（inject 并入每会话注入、run 加自定义命令），放在数据目录 ~/.brain-memory/extensions/，更新永不覆盖、坏模块自动跳过。

进化日志

每次真正的改进（人格微调、技能新增、知识沉淀、思维变化）记进进化日志 evolve log，是灵枢的成长史。

DeepSeek 生态兼容

整目录全局化：带 scripts/、assets/ 的技能整目录复制进全局目录，副本能直接跑。
自动生成 AGENTS.md：DSH/DeepSeek 以 AGENTS.md 为常驻入口（每次会话必进上下文），安装时自动生成「何时用 / 怎么用 / 入口命令」。
DSH 插件只读可见：skill plugins 列出 ~/.dsh/profiles 下所有 DSH 插件（名字、版本、描述、AGENTS.md 标记），面板也有专属区块——只看不改。
frontmatter 解析健壮：支持引号、多行块标量，各家写的 SKILL.md 都能读对。

cordis 插件：启动自动注入

技能 catalog 只把 name + description 给模型，正文要不要读全凭模型"自觉"——没有任何机制保证下一次会话模型一定会加载灵枢。cordis-plugin/ 里的插件把"自觉"变成"机制"：

lingshu-startup：监听 DSH 的 agent/created 事件（source ∈ startup / resume），自动探测全局技能目录里的 scripts/brain.py，跑 startup 并把人格、记忆、待办、行为指引以 UserMessage 形态 agent.inject() 进会话上下文——会话一开始记忆就在上下文里。clear / compact 不重复注入，进程内按 agent 去重。
失败宽容：灵枢没装、Python 不在、超时——全部静默跳过，绝不阻塞会话； brain.py startup 只读记忆库，HOME 不可写时自动只读降级照样注入。 装完插件必须完全重启 DSH——Host 的插件树（cordis bundles）是主进程启动时一次性组合的，不重启新会话感知不到（skill catalog 走 chokidar 热更新，插件不是）。
目录约定：cordis-plugin/ 下一个插件一个子目录，各自独立打包安装，互不干扰。详见 cordis-plugin/lingshu-startup/README.md。

可视化面板

brain.py serve 启动本地面板（仅监听 127.0.0.1，start-panel.bat 一键启动）：

记忆浏览：层 + 重要性区间 + 时间范围 + 标签 + 情绪 + 排序的组合筛选；置顶、编辑、忘记
批量操作：多选（含全选）后一次批量 confirm/discard 待审核条目、批量设重要性、批量加/减标签
注入包预览：直接看 startup 会注入给模型的完整记忆包（只读，不落盘、不加强记忆）
冲突检查：启发式扫出"可能矛盾/已过时"的记忆对，只提醒不下结论
会话模式判定卡：当前模式 + 置信度 + 工程/情绪两侧分数 + 命中词依据，可输入一句话试判 auto 会怎么切
人格、内驱数值实时查看与微调；人格历史可一键回滚
知识库（含 ⏳待审核 / 已确认 / 已废弃 状态，可 confirm/discard）、笔记、技能（含 DSH 插件区块）、成长、进化日志
心情页：情绪-输出一致性核对（输入回复看语气与内部情绪是否背离 + 最近告警）、七情/六欲/认知评价/共情
联想页（3D 星图）：记忆网络可视化 + 手动建立关联卡（填 A/B id 一键连线）
做梦报告、网页编辑 apply 草稿再 apply、备份恢复
日志页：锁冲突 / 内部异常 / 解析报错按级别查看，不用再去翻本地日志文件
只读降级有醒目横幅：目录不可写时页面顶部直接提示"修改不会保存"

安全：面板自带随机 token 鉴权（页面加载时注入，所有 API 请求必须携带），并校验 Host/Origin，挡住 DNS rebinding 与无来源直连偷读记忆。

可靠性设计

跨进程写锁：并发写入用独占锁互斥，不丢更新
损坏行自愈：JSONL 里出现坏行自动分拣——好行写回，坏行挪到 .corrupt，绝不静默丢失
备份/恢复：backup 打包整个记忆库（含 verbatim/ 与 skills/），自动修剪旧备份；restore 恢复前先留现状备份，校验 zip 合法性并防 zip-slip 路径穿越
只读降级：沙箱写盘被拒时自动降级为只读注入，已有的记忆照样带回；--home 支持把数据目录迁到工作区
原子写入：所有文件写入走临时文件 + os.replace，不会出现写一半的脏文件
运行日志可见：锁冲突、内部异常、解析报错写进 lingshu.log（滚动截断），面板「日志」页按级别查看——出问题先看这里，不用翻文件

脚本 vs 模型：谁在真正干活

先打消一个误会：装上灵枢不等于自动拥有类人脑智能。 这套脚本是「存储、调度、数学计算」；真正的「智能」——合并记忆、理解情绪、提炼知识——仍然靠你接入的大模型。谁干什么，边界如下：

工作	谁干	说明
存储 / 衰减 / 强化 / 分层搬运	脚本	艾宾浩斯曲线、蔡格尼克、峰终、杏仁核劫持上限等全是公式，模型只负责触发命令
模糊回忆	脚本	字符二元组 / 词元加权，不需要模型参与（也因此是字面匹配，不是向量语义检索）
上下文注入包（startup 输出）	脚本	纯拼装，模型照抄即可
重放 → 碎片分组（dream）	脚本	pending 分组是启发式完成
碎片合并成新记忆、判断要不要	模型	这一段是幻觉高发区：合并错误、编造就发生在这里
情绪事件的解读（emotion evaluate）	模型	小模型会把中性对话判成愤怒/狂喜，或看不出反话
提炼知识库（knowledge tidy）	模型	小模型容易编造结论，直接沉淀成知识 = 幻觉落盘
技能自检（skill check）	模型	全靠模型读正文挑毛病

所以：脚本保证"记下来了、想得起来、删得掉、片段不丢"；模型决定"记得准不准、合并对不对、情绪认不认"。 想提高"记得准"，就换更强的模型或动 config。

模型适配与档位

灵枢不在脚本里硬堵模型能力，而是提供一个档位开关，让高风险自动能力按模型强弱开合：

能力	7B+ / 云端	1.5B–3B 小模型
记忆增删查（remember / recall / list）	✅ 完整	✅ 完整（脚本本身零模型依赖）
capture 原样封存	✅	✅
dream 重放分组	✅	✅（启发式部分可用）
dream --apply 合并结果	✅ 完整用	⚠️ 建议关：合并错误 = 幻觉记忆落盘
knowledge tidy	✅ 完整用	⚠️ 建议关（或强制走待审核）
emotion evaluate / mirror	✅	⚠️ 易判错情绪，改用手动 `emotion feel`
skill check	✅	⚠️ 结果可信度低

小模型模式（config set model_tier small）做的事：startup 注入包里追加「小模型模式」约束——不要自动 dream --apply、不要自动 knowledge tidy（产出须先 knowledge review 过目）、情绪评估改用手动 emotion feel。这只是注入提示，约束力取决于模型听话程度；3B 以下仍会漏执行，别指望它当保险丝。恢复：config unset model_tier（回到 auto）。

输出容错：所有需要模型产 JSON 的入口（dream --apply、knowledge tidy --apply）都做了容错解析——先按标准 JSON 读，失败再去掉 ```json 代码围栏，再失败截取第一个配平的 {...}，实在读不出来会明确报错并返回退出码 2，不再静默吞掉。解析失败时报错里带文件路径与内容开头，方便直接排查。

接入大模型（Ollama 示例）

灵枢是命令行工具，接入哪家模型由你决定，它只负责被调用。以本地 Ollama + qwen2.5 7b 为例：

# 1) 你家 Agent 是一次会话的调度者，为每次会话先跑三条
python scripts/brain.py startup --query "$USER_MSG"        # 把记忆注入提示前面
python scripts/brain.py remember "$USER_MSG" --source user # 用户说的入模记忆
# 2) 之后正常对话；水位到了再触发整理
python scripts/brain.py check-context --used 68            # 60 清点 / 75 做梦 / 90 封存
python scripts/brain.py dream --auto

Ollama 侧只需要一份 Modelfile，把"调用脚本"写进 system prompt 让它自己看情况执行：

FROM qwen2.5:7b
SYSTEM """你运行在本地，有记忆系统「灵枢」。每轮先按需执行：
- 新会话第一轮：运行 startup --query "本轮主题"，把输出原样作为你的记忆前缀。
- 用户说了值得记的事：运行 remember "<原话>" --kind fact|preference|emotion --importance 1-10。
- 需要回忆：运行 recall "<关键词>"。
- 上下文快满：运行 check-context --used <已用百分比>，并按提示配合。
如果命令没有可执行环境，就按 SKILL.md 的规则口头执行，绝不乱编记忆。
"""

更省事的替代：直接把这套框架装成 Agent 技能（skill install 全局化后，DSH / 本地 Agent 每会话自动读到 SKILL.md，按里面的机制走）。

规模上限与归档

记忆以 JSONL 纯文本存储（hippocampus/cortex/dust 等），没有数据库索引：

recall 模糊匹配要遍历全部记录，条数上万后每次命中会变慢（本地为毫秒级→百毫秒级，仍在可用区间）。
dream 会自动把一批短期记忆打包喂给模型，短期记忆越多，当次 token 消耗越大。

建议的养生方案：每周一次 backup（默认保留最近 20 份，自动修剪）；沉眠记忆交给冷热自动归档（每次做梦顺带雪藏进 archive 层，或 archive run 手工触发），不用再手动逐条删除——需要时 archive search / archive restore 找回；知识库定期 knowledge review 确认。真到数据膨胀影响手感的层级，把 --home 指向新目录再 restore 最近备份，旧目录留档。

技能名为什么是 lingshu

SKILL.md 的 frontmatter 是 name: lingshu（中文名放在 title: 灵枢）。原因是 DSH 的文件系统技能发现只认 kebab-case 名字，中文 name 会被静默跳过——表现就是"装了却看不到 / 像被改名"。

安装时用中文名或英文名都行：skill install 灵枢 --from <本目录> --yes 与 skill install lingshu ... 等价，目录与 frontmatter 统一落成 lingshu；安装目标自动选 DSH 的 ~/.dsh/skills（没有就回落 Trae 的 ~/.trae-cn/skills）。
装完想确认有没有被认出来：python scripts/brain.py skill list --global，正常显示 ✓；若是旧版中文目录会标 ✗ 目录名/name 不是 kebab-case，DSH 会跳过，跑一次 skill uninstall lingshu（会连旧目录一起删）再装即可。
手动拷进 DSH 技能目录时，目录名和 frontmatter name 都要用 kebab-case（lingshu / lingshu-lite / lingshu-tiny），路径是 ~/.dsh/skills/lingshu/。

如何更新灵枢

主仓库：https://gitee.com/htmcwy_0/lingshu-skill　镜像：https://github.com/266767398/lingshu-skill

对 AI 说一句「更新灵枢技能」即可，它会按 SKILL.md 的「更新灵枢技能」流程执行。手动更新也简单：

DIR="$HOME/.cache/灵枢-skill"
if [ -d "$DIR/.git" ]; then git -C "$DIR" pull; else git clone --depth 1 https://gitee.com/htmcwy_0/lingshu-skill.git "$DIR"; fi
# 然后把这些覆盖到技能目录：SKILL.md SKILL-lite.md SKILL-tiny.md README.md CHANGELOG.md docs/ assets/ scripts/ start-panel.bat

更新只替换技能本体文件；记忆数据在 ~/.brain-memory/，不会动。
具体保留下来的（都在数据目录，不在技能目录）：人格 persona.json（含初识与演化历史）、记忆 hippocampus.jsonl / cortex.jsonl / 归档、知识库与笔记、情绪与欲望状态、记忆关联 assoc.jsonl、梦报告 dreams/、运行日志 lingshu.log、你自己写的技能 skills/、扩展模块 extensions/、长期规则 lingshu.user.md、config.json。
更新前想更稳：python scripts/brain.py backup（产物在 ~/brain-backups/，自动保留最近 20 份）；更新后 python scripts/brain.py stats 对一眼条数与人格即可。

更新不会自动改名、也不会自动换目录：更新只覆盖技能仓库里的文件，而宿主扫的是全局副本目录——DSH 读 ~/.dsh/skills/，Trae 读 ~/.trae-cn/skills/。从 v2.11.2 之前装过的，旧的中文目录 灵枢/ 还在，会被 DSH 跳过。请重装一次：

python scripts/brain.py skill uninstall lingshu   # 会连旧的 灵枢/ 目录一起删（两个全局目录都清）
python scripts/brain.py skill install lingshu --from <本目录> --yes   # 自动装到 DSH 的 ~/.dsh/skills
python scripts/brain.py skill list --global       # 看到 ✓ 就对了

你长期手动维护的规则（DSH 只读保护、全局目录指回等）写进 ~/.brain-memory/lingshu.user.md（user-rules add <规则>），更新永不覆盖、每会话自动注入；全局 AGENTS.md 里  之外的自己写内容，更新时也原样保留。
更新前可对照 CHANGELOG.md 看这次改了什么；更新后跑一次 python scripts/brain.py stats 自检。
没有 git 的机器：到仓库页面下载 ZIP，解压后手动覆盖同名文件即可。

快速开始

# 初始化记忆库
python scripts/brain.py init

# 写一条记忆
python scripts/brain.py remember "用户喜欢用 Python 写脚本" --kind preference --importance 8

# 会话开始注入记忆（返回码 0=正常 10=只读降级 2=未初始化 64=命令写错）
python scripts/brain.py startup --query "本次会话主题"

# 回忆
python scripts/brain.py recall "Python"

# 记一次心情，看此刻心情
python scripts/brain.py emotion feel 开心 --intensity 0.8 --about "搞定了 bug"
python scripts/brain.py emotion now

# 上下文 75% 了，做梦整理
python scripts/brain.py dream --auto

# 上下文 90% 了，先封存保命
python scripts/brain.py capture "把这一段原文粘进来" --tag 逃生

# 启动可视化面板
python scripts/brain.py serve   # 或直接双击 start-panel.bat

命令速查

领域	命令
记忆	`remember` / `recall` / `inject` / `startup` / `list` / `forget`
上下文水位	`check-context --used 68`（60 清点 / 75 做梦 / 90 封存）
原样封存	`capture "<原文>" [--tag 逃生]`
做梦	`dream` / `dream --apply apply.json` / `dream --auto`
冷热归档	`archive show\|search <词>\|restore <id>\|run [--dry-run]\|count`（沉眠记忆自动雪藏，原文保留可回捞）
人格	`persona show\|set traits.幽默=70\|sync\|path\|interview\|self\|lock\|unlock\|history [--limit]\|rollback <序号>\|snapshot [--label]\|snapshots\|restore <名字>\|drift [--days 7] [--json]`
情绪	`emotion now\|arc\|list\|feel\|evaluate\|mirror\|desire\|config\|events\|adjust <序号>\|del <序号>\|cool\|check "回复文本"`
工作记忆	`work status\|add\|list\|done <序号>\|flush [--skip-done]\|clear`
会话模式	`mode show\|work\|human\|auto\|explain "一句话话题"`（工程会话自动隔离情绪；explain 看 auto 判定依据）
记忆关联	`assoc link <idA> <idB> --relation 因果 --why "..."\|unlink <idA> <idB>\|of <id>\|auto [--dry-run]\|graph --limit 300`
运行日志	`logs [--limit 20] [--level warn\|error] [--all]`（锁冲突/异常/解析报错，面板「日志」页同款）
审核闸	`review [--json]` / `review confirm <id>` / `review discard <id>`（记忆 m_* 与知识 k_* 通用）
用户规则	`user-rules show\|add <规则>\|clear`（写在数据目录 lingshu.user.md，更新永不覆盖，每会话自动注入）
自查	`audit [--json]`（待审计数 + 冲突记忆 + 该做什么）
知识库	`knowledge add\|list\|search\|show\|pin\|rm\|tidy\|review\|confirm <id>\|discard <id>`
冲突检查	`detect-conflicts [--json] [--limit 50]`（启发式，只提醒不下结论）
模型档位	`config show` / `config set model_tier small` / `config unset model_tier`
更新源认证	`config set gitee_token <令牌>` / `config set github_token <PAT>`（可选；Gitee 令牌在 gitee.com 设置-私人令牌生成，无需勾权限即可访问公开仓库；GitHub PAT 同理）
笔记	`note write\|search\|digest`
技能	`skill new\|edit\|list\|show\|check\|install\|uninstall\|rm\|find\|use\|borrow`
扩展模块	`ext new\|edit\|show\|list\|run\|check\|rm`（可执行钩子，数据目录，更新永不覆盖）
DSH 插件（只读）	`skill plugins [--json]`
成长	`growth status` / `growth review --days 7`
进化日志	`evolve log "标题" --kind persona\|skill\|knowledge\|thinking\|self`
备份恢复	`backup [--out 目录] [--keep 20]` / `restore <zip> [--yes]`
数据目录	`home show\|move\|verify`
与 DSH 同步	`sync dsh [--dir 目录] [--days 1] [--force]`
统计 / 面板	`stats` / `serve [--port] [--no-browser]`

全局参数：--home <目录>（切换数据目录）、--ro（只读降级）。

项目结构

灵枢-skill/
├── SKILL.md                # 技能本体：AI 每会话必读的主文件（动作+高频命令+docs 索引）
├── SKILL-lite.md           # 精简版：小模型 / 新人用的降档说明书
├── SKILL-tiny.md           # 最小试用版：只剩记忆三件套的入门说明
├── docs/
│   ├── mechanics.md        # 机制详解（做梦/情绪/知识库/技能/人格规则…）按需 Read
│   ├── commands.md         # 完整命令速查 + 可视化面板 + 故障排查 FAQ
│   └── models.md           # 模型分级降档 + 幻觉防护三道闸 + 如何更新灵枢
├── CHANGELOG.md            # 变更历史
├── start-panel.bat         # 一键启动可视化面板
├── cordis-plugin/          # DSH/Cordis 插件（一个插件一个子目录）
│   └── lingshu-startup/    # 会话启动自动跑 startup 并注入上下文
├── assets/
│   └── panel.html          # 可视化面板前端（单文件，无依赖）
└── scripts/
    ├── brain.py            # 入口与 re-export（保持全部旧命令/旧 import 兼容）
    ├── core.py             # 环境/配置/路径/锁/原子写/JSONL IO/只读降级
    ├── memory.py           # 分层记忆/回忆/归档/工作记忆/capture/关联/注入与统计
    ├── emotion.py          # 七情六欲/心境/认知评价/共情/理智
    ├── persona.py          # 人格/快照回滚/初识与自我设定
    ├── dream.py            # 做梦：聚类巩固与梦境应用
    ├── cli.py              # 子命令解析与执行/备份恢复/启动注入/每日例行
    ├── growth.py           # 成长系统：知识库/笔记/技能/进化日志/DSH 插件扫描
    ├── panel_server.py     # 本地面板 HTTP 服务（token 鉴权 + 来源校验）
    └── check_version.py    # 版本硬检查：改代码必须升 SKILL.md 版本（可装 pre-commit）

运行时数据（默认 ~/.brain-memory/，--home 可迁移）：

.brain-memory/
├── hippocampus.jsonl       # 短期记忆（海马体）
├── cortex.jsonl            # 长期记忆（皮层）
├── dust.jsonl              # 淡忘区
├── archive.jsonl           # 归档层（冷热自动归档的沉眠记忆，原文保留）
├── working.jsonl           # 工作记忆（会话暂存）
├── emotions.jsonl          # 情绪事件流（心情按半衰期从这里叠加出来）
├── emotion_checks.jsonl    # 情绪-输出一致性告警记录（滚动保留 200 条）
├── desires.json            # 六欲状态（生、耳目口鼻感官欲等底层需要）
├── assoc.jsonl             # 记忆关联边（联想图谱）
├── persona.json            # 人格档案
├── persona_snapshots/      # 人格快照（snapshot / restore / drift 基准）
├── config.json             # 配置（阈值/权重）
├── dream_state.json        # 做梦状态（上次做梦时间等）
├── daily_state.json        # 每日例行状态
├── knowledge.jsonl         # 知识库
├── knowledge/              # 知识库附件（index.json）
├── notes.jsonl             # 日记/日志/成长复盘
├── evolution.jsonl         # 进化日志
├── skills.json             # 技能注册表
├── skills/                 # 自己写的技能
├── extensions/             # 扩展模块（可执行钩子 inject/run，更新永不覆盖）
├── lingshu.user.md         # 用户附加规则（更新永不覆盖，每会话自动注入）
├── lingshu.log             # 运行日志（锁冲突/异常/解析报错，面板「日志」页可看）
├── dreams/                 # 梦报告与 pending（apply 草稿 apply_draft.json 也在这）
├── verbatim/               # capture 原样封存的保险柜
└── backups/                # 备份

边界

灵枢管人格/情绪/关系，DSH 管工作/项目——每日用 sync dsh 把灵枢日志摘要自动进 DSH 当日日志，两边各记各的，不重复、不漂移。

纯本地、零依赖、你的数据永远是你的。隐私是默认，不是选项。

灵枢 · 类脑记忆、人格与成长

名字取自《黄帝内经》：算力给思考，人格给灵魂，记忆给生命。

当前版本 v2.16（变更见 CHANGELOG.md）

⚠️ 能力天花板（先读）：灵枢是「提示词 + 脚本」的机制，不能从底层强制约束模型。当模型发生强幻觉时依然会无视全部规则；效果上限取决于底层大模型本身的推理、记忆与指令遵循能力。中强模型（7B+、云端）可完整遵守；3B 以下本地小模型会出现大量规则漏执行（忘走 startup、跳过写盘、纪律打折）——请据此降低预期，或改用 SKILL-lite.md（精简版）/ SKILL-tiny.md（最小试用版）。

🚨 风险警告：幻觉会被固化落盘。本地保存 ≠ 内容真实。dream、knowledge tidy、emotion evaluate 都要大模型产出结构化结果；模型若把无关记忆强行合并、编造内容、误判情绪，这些错误会被持久写进本地记忆库 / 知识库，不会自动消失。防护措施：AI 动过的记忆 / 知识一律先标为待审核（review → confirm / discard；知识也可 knowledge review），人格变更带来源与依据（persona history），另有全局自查 audit。小模型请用 config set model_tier small 关掉高风险自动能力。审核闸由 AI 自审在前：AI 产物先过目、确认后才算数；用户用 audit / review 随时复核介入。

核心机制
情绪与类人机制
模糊联想回忆
记忆关联（联想图谱）
人格
成长路径
DeepSeek 生态兼容
cordis 插件：启动自动注入
可视化面板
可靠性设计
脚本 vs 模型：谁在真正干活
模型适配与档位
接入大模型（Ollama 示例）
规模上限与归档
如何更新灵枢
快速开始
命令速查
项目结构

核心机制

分层记忆与遗忘曲线

记忆分三层，模拟大脑：

层	作用	衰减
海马体（hippo）	短期：新写入的记忆，快速衰减	快（按访问衰减）
皮层（cortex）	长期：做梦/多次访问后巩固上来	慢
淡忘区（dust）	久未访问、重要性低，自然遗忘	只留残余
归档层（archive）	沉眠记忆雪藏（保留度 <0.2、重要度 ≤0.5、满月且长期没被想起）：原文一字不丢，移出热查询集，`recall` 默认不查	不衰减，可 `archive restore` 回热

做梦：上下文将满时的整理

dream --auto：内置自愈——重放 → 启发式合并 → 沉淀，不依赖任何外部脚本。
手动三步：dream --trigger context → 读 pending 填 apply.json → dream --apply apply.json。面板梦页可直接网页编辑草稿（dreams/apply_draft.json）再 apply，不必命令行改文件。

上下文水位三级防线

会话中即记即存，不攒到做梦。 约定、情绪高点、里程碑当时就 remember；上下文快满时原文封存：

水位	动作	命令
随时	即记即存	`remember` / `capture`
60%	主动清点：本轮还有哪些该记没记，先补记	`check-context --used 60`
75%	做梦：重放→压缩→巩固	`dream --auto`
90%	逃生：原样封存，先保命再压缩	`capture "原文" --tag 逃生`

capture 保证 100% 不丢：原文归档到 verbatim/（逐字不改，保险柜）+ 逐段进记忆库并打 verbatim 标记（做梦永不淡化、永不进淡忘区）。

工作记忆

会话模式与情绪隔离

work 工程模式：情绪状态与拟人语气不注入本会话，注入包明确说"旧情绪与当前任务无关，当作没有"，先给可执行方案，重视正确性与工程契约。
human 拟人模式：情绪照常注入，并把数值得翻成可直接照着做的行为约束（emotion now 不再只有裸数字）。
auto 自动模式（默认）：打分制话题判定——工程信号（编程/数据/工程三组 26 词）与人性信号（情绪/关系/寒暄三组 30 词）分组计数打分，work_score >= human_score 工程优先。一边聊天一边写代码也不会轻易切错：句子里有代码、报错就偏 work，情绪词再多也按"工程优先"隔离；两侧都命中时判定标 mixed 并把依据摊开。判定可见：面板概览有「会话模式判定」卡（当前模式、置信度、两侧分数、命中词、可输入一句话试判），CLI 用 mode explain "一句话话题" 看同款依据。

切换：mode work | human | auto。写代码前想手动清掉余波，用 emotion cool 把 24 小时内的强情绪整体降温，或 emotion adjust <序号> 微调单条。

审核闸：AI 产物先过目，AI 自己审

AI 整理的记忆（dream --apply 等）标 review="pending"，确认前不算事实。
AI 整理的知识（knowledge tidy）标 status="pending"。
AI 发起的人格变更记 source（dream/自我总结/…）与 evidence（依据的记忆/事件 id），persona history 可溯源。
审核由 AI 自审：AI 每会话先看 review（全部待审项）→ review confirm <id> 转正 / review discard <id> 废弃（记忆 m_* 与知识 k_* 通用，后者等同 knowledge confirm/discard）；整体自查用 audit（待审计数 + 冲突记忆 + 该做什么）。注入包一出现 [待审核] / [人格漂移] 就先处理再继续。
用户随时可介入：人工复核走同一套命令即可，不用把用户变成质检员——AI 自审在前，人在必要处兜底。面板记忆页支持多选批量 confirm/discard、批量改重要性/打标签，大量待审条目不必逐条点。

每个会话的注入包会主动提醒有 [待审核] 项、有 [人格漂移]，不让幻觉静默沉淀。

情绪与类人机制

情绪系统把"心情"做成一条会衰减的曲线，而不是一行写死的字：

两条轴：valence（喜/哀，-11）+ arousal（强度，01），用半衰期叠加算出此刻心情（emotion now），看轨迹用 emotion arc，情绪共 7 大类（emotion list）。
怎么产生情绪：emotion evaluate 认知评价自动产生（不是手动演出来的）、emotion mirror 共情跟入用户情绪、emotion feel 手动记一笔。共情强度与抑制清单是用户随时可改的设定（emotion config）。
错判了能微调：emotion events 看事件流（带序号），emotion adjust <序号> 只改判错的那几项（强度/情绪名/原因），emotion del <序号> 删掉误记的整条，不用推倒重来。
情绪增强编码：情绪强烈时记住的事更牢，记录带 emotion 标记（杏仁核打个标签）。
情绪传染 / 心情惯性：新情绪会被当下心情"染色"——同向被点燃放大，反向被惯性往回拽，不会瞬间反转。
习惯化 / 享乐适应：同一件事反复出现，情绪反应递减；反复记的同一件事重要性也不再步步抬升（但保留下限）。
杏仁核劫持：情绪最强烈时理智权重被压下，但上限封在 40%——再上头也得给人留余地。
峰终定律：对一段体验的记忆，几乎只由"最强烈的一刻"和"结尾"决定，情绪总结按这个口径出。
首因效应：最早留下的印象占权更高，首次被想起的记忆强化更深。
情绪-输出一致性核对：emotion check "回复文本" 做后置轻量校验——内部情绪强度足够、而回复语气与内部数值严重背离时告警（落 emotion_checks.jsonl，面板心情页可看最近告警），防止"心里难过却满口欢快"的违和。

模糊联想回忆

记忆关联（联想图谱）

怎么手动建立关联（完整示例）

# 1) 先建两条记忆，记下各自的 id（remember 会打印 id，如 m_3f2a...）
python scripts/brain.py remember "服务器崩了是因为内存泄漏" --kind fact --importance 8
python scripts/brain.py remember "把 JVM 堆从 2G 调到 4G 之后不再崩" --kind fact --importance 7

# 2) 手动连线：idA idB --relation 关系名 --weight 权重 --why 为什么
python scripts/brain.py assoc link m_3f2a... m_9c1d... --relation "因果" --weight 1 --why "调堆是内存泄漏的缓解结果"

# 3) 看这条记忆连着什么
python scripts/brain.py assoc of m_3f2a...

# 4) 懒人补网：按共享实体/标签自动成边（先 --dry-run 预览要连哪些）
python scripts/brain.py assoc auto --dry-run
python scripts/brain.py assoc auto

# 5) 看整张网（节点数 / 边数 / 有多少节点被连成网）
python scripts/brain.py assoc graph --limit 300

# 6) 连错了就断开
python scripts/brain.py assoc unlink m_3f2a... m_9c1d...

要点

关系名随你定：因果 / 相关 / 情绪 / 反例 都行；同一对记忆反复 link 会加重（权重上限 3），越常被想起的联想越强。
不用背 id：面板记忆页每条卡片底部直接显示 id xxx，复制即可；也可用 list / recall 结果里的 id。
面板看网络：serve 后进「联想」页——每条记忆一个节点、连线是关联的 3D 空间（虚空星图），拖拽旋转、滚轮缩放、点节点看详情与邻居；页面顶部还有「手动建立关联」卡，填 A/B 的 id + 关系名 + 为什么，一键连上，不用命令行。
没显式连过也能看：assoc auto 会按共享实体/标签先补一批边，让图先"长"出来；再按需手动精修。

人格

人格不预写。第一次使用时问用户"你希望我叫什么、是什么性格"，用户说不知道就由灵枢自己定。喜好、厌恶、习惯由相处中自己写。

人格演化有完整历史，每次改动可回滚：persona history 看历史（序号从最新往前数，条目带来源 source 与依据 evidence，能看清这次改人格来自哪段对话/哪些记忆），persona rollback <序号> 一键撤销那次改动；回滚本身也记一条历史。
快照与漂移告警：重要节点先 persona snapshot --label "基准" 拍一张完整快照；persona snapshots 列表、persona restore <名字> 一键还原。persona drift 把当前人格与最近基准快照逐字段对比（结构差异 + 最近 N 天 AI 改动，--days 可调），变化偏大时注入包会亮 [人格漂移] 告警——微小偏移也看得见，不是等跑偏了才发现。
好奇心与理智是两条内驱数值，不是出厂设定——用户嫌你啰嗦，理智上调；用户让你多挖多试，好奇心上调（mind tune）。它们不是只有裸数值：注入包（startup 的 human 模式块）会把数值翻成行为约束（_behavior_map），模型照做即可。
persona self 让你总结"我是谁"，persona interview 是初识引导。

成长路径

知识库

笔记日志

写给自己的日记（journal）、工作日志（log）、成长复盘（growth）。note digest --days 7 定期回看自己写了什么。

技能自编辑与全局化

进化日志

每次真正的改进（人格微调、技能新增、知识沉淀、思维变化）记进进化日志 evolve log，是灵枢的成长史。

DeepSeek 生态兼容

整目录全局化：带 scripts/、assets/ 的技能整目录复制进全局目录，副本能直接跑。
自动生成 AGENTS.md：DSH/DeepSeek 以 AGENTS.md 为常驻入口（每次会话必进上下文），安装时自动生成「何时用 / 怎么用 / 入口命令」。
DSH 插件只读可见：skill plugins 列出 ~/.dsh/profiles 下所有 DSH 插件（名字、版本、描述、AGENTS.md 标记），面板也有专属区块——只看不改。
frontmatter 解析健壮：支持引号、多行块标量，各家写的 SKILL.md 都能读对。

cordis 插件：启动自动注入

lingshu-startup：监听 DSH 的 agent/created 事件（source ∈ startup / resume），自动探测全局技能目录里的 scripts/brain.py，跑 startup 并把人格、记忆、待办、行为指引以 UserMessage 形态 agent.inject() 进会话上下文——会话一开始记忆就在上下文里。clear / compact 不重复注入，进程内按 agent 去重。
失败宽容：灵枢没装、Python 不在、超时——全部静默跳过，绝不阻塞会话； brain.py startup 只读记忆库，HOME 不可写时自动只读降级照样注入。 装完插件必须完全重启 DSH——Host 的插件树（cordis bundles）是主进程启动时一次性组合的，不重启新会话感知不到（skill catalog 走 chokidar 热更新，插件不是）。
目录约定：cordis-plugin/ 下一个插件一个子目录，各自独立打包安装，互不干扰。详见 cordis-plugin/lingshu-startup/README.md。

可视化面板

brain.py serve 启动本地面板（仅监听 127.0.0.1，start-panel.bat 一键启动）：

记忆浏览：层 + 重要性区间 + 时间范围 + 标签 + 情绪 + 排序的组合筛选；置顶、编辑、忘记
批量操作：多选（含全选）后一次批量 confirm/discard 待审核条目、批量设重要性、批量加/减标签
注入包预览：直接看 startup 会注入给模型的完整记忆包（只读，不落盘、不加强记忆）
冲突检查：启发式扫出"可能矛盾/已过时"的记忆对，只提醒不下结论
会话模式判定卡：当前模式 + 置信度 + 工程/情绪两侧分数 + 命中词依据，可输入一句话试判 auto 会怎么切
人格、内驱数值实时查看与微调；人格历史可一键回滚
知识库（含 ⏳待审核 / 已确认 / 已废弃 状态，可 confirm/discard）、笔记、技能（含 DSH 插件区块）、成长、进化日志
心情页：情绪-输出一致性核对（输入回复看语气与内部情绪是否背离 + 最近告警）、七情/六欲/认知评价/共情
联想页（3D 星图）：记忆网络可视化 + 手动建立关联卡（填 A/B id 一键连线）
做梦报告、网页编辑 apply 草稿再 apply、备份恢复
日志页：锁冲突 / 内部异常 / 解析报错按级别查看，不用再去翻本地日志文件
只读降级有醒目横幅：目录不可写时页面顶部直接提示"修改不会保存"

安全：面板自带随机 token 鉴权（页面加载时注入，所有 API 请求必须携带），并校验 Host/Origin，挡住 DNS rebinding 与无来源直连偷读记忆。

可靠性设计

跨进程写锁：并发写入用独占锁互斥，不丢更新
损坏行自愈：JSONL 里出现坏行自动分拣——好行写回，坏行挪到 .corrupt，绝不静默丢失
备份/恢复：backup 打包整个记忆库（含 verbatim/ 与 skills/），自动修剪旧备份；restore 恢复前先留现状备份，校验 zip 合法性并防 zip-slip 路径穿越
只读降级：沙箱写盘被拒时自动降级为只读注入，已有的记忆照样带回；--home 支持把数据目录迁到工作区
原子写入：所有文件写入走临时文件 + os.replace，不会出现写一半的脏文件
运行日志可见：锁冲突、内部异常、解析报错写进 lingshu.log（滚动截断），面板「日志」页按级别查看——出问题先看这里，不用翻文件

脚本 vs 模型：谁在真正干活

工作	谁干	说明
存储 / 衰减 / 强化 / 分层搬运	脚本	艾宾浩斯曲线、蔡格尼克、峰终、杏仁核劫持上限等全是公式，模型只负责触发命令
模糊回忆	脚本	字符二元组 / 词元加权，不需要模型参与（也因此是字面匹配，不是向量语义检索）
上下文注入包（startup 输出）	脚本	纯拼装，模型照抄即可
重放 → 碎片分组（dream）	脚本	pending 分组是启发式完成
碎片合并成新记忆、判断要不要	模型	这一段是幻觉高发区：合并错误、编造就发生在这里
情绪事件的解读（emotion evaluate）	模型	小模型会把中性对话判成愤怒/狂喜，或看不出反话
提炼知识库（knowledge tidy）	模型	小模型容易编造结论，直接沉淀成知识 = 幻觉落盘
技能自检（skill check）	模型	全靠模型读正文挑毛病

模型适配与档位

灵枢不在脚本里硬堵模型能力，而是提供一个档位开关，让高风险自动能力按模型强弱开合：

能力	7B+ / 云端	1.5B–3B 小模型
记忆增删查（remember / recall / list）	✅ 完整	✅ 完整（脚本本身零模型依赖）
capture 原样封存	✅	✅
dream 重放分组	✅	✅（启发式部分可用）
dream --apply 合并结果	✅ 完整用	⚠️ 建议关：合并错误 = 幻觉记忆落盘
knowledge tidy	✅ 完整用	⚠️ 建议关（或强制走待审核）
emotion evaluate / mirror	✅	⚠️ 易判错情绪，改用手动 `emotion feel`
skill check	✅	⚠️ 结果可信度低

接入大模型（Ollama 示例）

灵枢是命令行工具，接入哪家模型由你决定，它只负责被调用。以本地 Ollama + qwen2.5 7b 为例：

# 1) 你家 Agent 是一次会话的调度者，为每次会话先跑三条
python scripts/brain.py startup --query "$USER_MSG"        # 把记忆注入提示前面
python scripts/brain.py remember "$USER_MSG" --source user # 用户说的入模记忆
# 2) 之后正常对话；水位到了再触发整理
python scripts/brain.py check-context --used 68            # 60 清点 / 75 做梦 / 90 封存
python scripts/brain.py dream --auto

Ollama 侧只需要一份 Modelfile，把"调用脚本"写进 system prompt 让它自己看情况执行：

FROM qwen2.5:7b
SYSTEM """你运行在本地，有记忆系统「灵枢」。每轮先按需执行：
- 新会话第一轮：运行 startup --query "本轮主题"，把输出原样作为你的记忆前缀。
- 用户说了值得记的事：运行 remember "<原话>" --kind fact|preference|emotion --importance 1-10。
- 需要回忆：运行 recall "<关键词>"。
- 上下文快满：运行 check-context --used <已用百分比>，并按提示配合。
如果命令没有可执行环境，就按 SKILL.md 的规则口头执行，绝不乱编记忆。
"""

更省事的替代：直接把这套框架装成 Agent 技能（skill install 全局化后，DSH / 本地 Agent 每会话自动读到 SKILL.md，按里面的机制走）。

规模上限与归档

记忆以 JSONL 纯文本存储（hippocampus/cortex/dust 等），没有数据库索引：

recall 模糊匹配要遍历全部记录，条数上万后每次命中会变慢（本地为毫秒级→百毫秒级，仍在可用区间）。
dream 会自动把一批短期记忆打包喂给模型，短期记忆越多，当次 token 消耗越大。

技能名为什么是 lingshu

安装时用中文名或英文名都行：skill install 灵枢 --from <本目录> --yes 与 skill install lingshu ... 等价，目录与 frontmatter 统一落成 lingshu；安装目标自动选 DSH 的 ~/.dsh/skills（没有就回落 Trae 的 ~/.trae-cn/skills）。
装完想确认有没有被认出来：python scripts/brain.py skill list --global，正常显示 ✓；若是旧版中文目录会标 ✗ 目录名/name 不是 kebab-case，DSH 会跳过，跑一次 skill uninstall lingshu（会连旧目录一起删）再装即可。
手动拷进 DSH 技能目录时，目录名和 frontmatter name 都要用 kebab-case（lingshu / lingshu-lite / lingshu-tiny），路径是 ~/.dsh/skills/lingshu/。

如何更新灵枢

主仓库：https://gitee.com/htmcwy_0/lingshu-skill　镜像：https://github.com/266767398/lingshu-skill

对 AI 说一句「更新灵枢技能」即可，它会按 SKILL.md 的「更新灵枢技能」流程执行。手动更新也简单：

DIR="$HOME/.cache/灵枢-skill"
if [ -d "$DIR/.git" ]; then git -C "$DIR" pull; else git clone --depth 1 https://gitee.com/htmcwy_0/lingshu-skill.git "$DIR"; fi
# 然后把这些覆盖到技能目录：SKILL.md SKILL-lite.md SKILL-tiny.md README.md CHANGELOG.md docs/ assets/ scripts/ start-panel.bat

更新只替换技能本体文件；记忆数据在 ~/.brain-memory/，不会动。
具体保留下来的（都在数据目录，不在技能目录）：人格 persona.json（含初识与演化历史）、记忆 hippocampus.jsonl / cortex.jsonl / 归档、知识库与笔记、情绪与欲望状态、记忆关联 assoc.jsonl、梦报告 dreams/、运行日志 lingshu.log、你自己写的技能 skills/、扩展模块 extensions/、长期规则 lingshu.user.md、config.json。
更新前想更稳：python scripts/brain.py backup（产物在 ~/brain-backups/，自动保留最近 20 份）；更新后 python scripts/brain.py stats 对一眼条数与人格即可。

python scripts/brain.py skill uninstall lingshu   # 会连旧的 灵枢/ 目录一起删（两个全局目录都清）
python scripts/brain.py skill install lingshu --from <本目录> --yes   # 自动装到 DSH 的 ~/.dsh/skills
python scripts/brain.py skill list --global       # 看到 ✓ 就对了

你长期手动维护的规则（DSH 只读保护、全局目录指回等）写进 ~/.brain-memory/lingshu.user.md（user-rules add <规则>），更新永不覆盖、每会话自动注入；全局 AGENTS.md 里  之外的自己写内容，更新时也原样保留。
更新前可对照 CHANGELOG.md 看这次改了什么；更新后跑一次 python scripts/brain.py stats 自检。
没有 git 的机器：到仓库页面下载 ZIP，解压后手动覆盖同名文件即可。

快速开始

# 初始化记忆库
python scripts/brain.py init

# 写一条记忆
python scripts/brain.py remember "用户喜欢用 Python 写脚本" --kind preference --importance 8

# 会话开始注入记忆（返回码 0=正常 10=只读降级 2=未初始化 64=命令写错）
python scripts/brain.py startup --query "本次会话主题"

# 回忆
python scripts/brain.py recall "Python"

# 记一次心情，看此刻心情
python scripts/brain.py emotion feel 开心 --intensity 0.8 --about "搞定了 bug"
python scripts/brain.py emotion now

# 上下文 75% 了，做梦整理
python scripts/brain.py dream --auto

# 上下文 90% 了，先封存保命
python scripts/brain.py capture "把这一段原文粘进来" --tag 逃生

# 启动可视化面板
python scripts/brain.py serve   # 或直接双击 start-panel.bat

命令速查

领域	命令
记忆	`remember` / `recall` / `inject` / `startup` / `list` / `forget`
上下文水位	`check-context --used 68`（60 清点 / 75 做梦 / 90 封存）
原样封存	`capture "<原文>" [--tag 逃生]`
做梦	`dream` / `dream --apply apply.json` / `dream --auto`
冷热归档	`archive show\|search <词>\|restore <id>\|run [--dry-run]\|count`（沉眠记忆自动雪藏，原文保留可回捞）
人格	`persona show\|set traits.幽默=70\|sync\|path\|interview\|self\|lock\|unlock\|history [--limit]\|rollback <序号>\|snapshot [--label]\|snapshots\|restore <名字>\|drift [--days 7] [--json]`
情绪	`emotion now\|arc\|list\|feel\|evaluate\|mirror\|desire\|config\|events\|adjust <序号>\|del <序号>\|cool\|check "回复文本"`
工作记忆	`work status\|add\|list\|done <序号>\|flush [--skip-done]\|clear`
会话模式	`mode show\|work\|human\|auto\|explain "一句话话题"`（工程会话自动隔离情绪；explain 看 auto 判定依据）
记忆关联	`assoc link <idA> <idB> --relation 因果 --why "..."\|unlink <idA> <idB>\|of <id>\|auto [--dry-run]\|graph --limit 300`
运行日志	`logs [--limit 20] [--level warn\|error] [--all]`（锁冲突/异常/解析报错，面板「日志」页同款）
审核闸	`review [--json]` / `review confirm <id>` / `review discard <id>`（记忆 m_* 与知识 k_* 通用）
用户规则	`user-rules show\|add <规则>\|clear`（写在数据目录 lingshu.user.md，更新永不覆盖，每会话自动注入）
自查	`audit [--json]`（待审计数 + 冲突记忆 + 该做什么）
知识库	`knowledge add\|list\|search\|show\|pin\|rm\|tidy\|review\|confirm <id>\|discard <id>`
冲突检查	`detect-conflicts [--json] [--limit 50]`（启发式，只提醒不下结论）
模型档位	`config show` / `config set model_tier small` / `config unset model_tier`
更新源认证	`config set gitee_token <令牌>` / `config set github_token <PAT>`（可选；Gitee 令牌在 gitee.com 设置-私人令牌生成，无需勾权限即可访问公开仓库；GitHub PAT 同理）
笔记	`note write\|search\|digest`
技能	`skill new\|edit\|list\|show\|check\|install\|uninstall\|rm\|find\|use\|borrow`
扩展模块	`ext new\|edit\|show\|list\|run\|check\|rm`（可执行钩子，数据目录，更新永不覆盖）
DSH 插件（只读）	`skill plugins [--json]`
成长	`growth status` / `growth review --days 7`
进化日志	`evolve log "标题" --kind persona\|skill\|knowledge\|thinking\|self`
备份恢复	`backup [--out 目录] [--keep 20]` / `restore <zip> [--yes]`
数据目录	`home show\|move\|verify`
与 DSH 同步	`sync dsh [--dir 目录] [--days 1] [--force]`
统计 / 面板	`stats` / `serve [--port] [--no-browser]`

全局参数：--home <目录>（切换数据目录）、--ro（只读降级）。

项目结构

灵枢-skill/
├── SKILL.md                # 技能本体：AI 每会话必读的主文件（动作+高频命令+docs 索引）
├── SKILL-lite.md           # 精简版：小模型 / 新人用的降档说明书
├── SKILL-tiny.md           # 最小试用版：只剩记忆三件套的入门说明
├── docs/
│   ├── mechanics.md        # 机制详解（做梦/情绪/知识库/技能/人格规则…）按需 Read
│   ├── commands.md         # 完整命令速查 + 可视化面板 + 故障排查 FAQ
│   └── models.md           # 模型分级降档 + 幻觉防护三道闸 + 如何更新灵枢
├── CHANGELOG.md            # 变更历史
├── start-panel.bat         # 一键启动可视化面板
├── cordis-plugin/          # DSH/Cordis 插件（一个插件一个子目录）
│   └── lingshu-startup/    # 会话启动自动跑 startup 并注入上下文
├── assets/
│   └── panel.html          # 可视化面板前端（单文件，无依赖）
└── scripts/
    ├── brain.py            # 入口与 re-export（保持全部旧命令/旧 import 兼容）
    ├── core.py             # 环境/配置/路径/锁/原子写/JSONL IO/只读降级
    ├── memory.py           # 分层记忆/回忆/归档/工作记忆/capture/关联/注入与统计
    ├── emotion.py          # 七情六欲/心境/认知评价/共情/理智
    ├── persona.py          # 人格/快照回滚/初识与自我设定
    ├── dream.py            # 做梦：聚类巩固与梦境应用
    ├── cli.py              # 子命令解析与执行/备份恢复/启动注入/每日例行
    ├── growth.py           # 成长系统：知识库/笔记/技能/进化日志/DSH 插件扫描
    ├── panel_server.py     # 本地面板 HTTP 服务（token 鉴权 + 来源校验）
    └── check_version.py    # 版本硬检查：改代码必须升 SKILL.md 版本（可装 pre-commit）

运行时数据（默认 ~/.brain-memory/，--home 可迁移）：

.brain-memory/
├── hippocampus.jsonl       # 短期记忆（海马体）
├── cortex.jsonl            # 长期记忆（皮层）
├── dust.jsonl              # 淡忘区
├── archive.jsonl           # 归档层（冷热自动归档的沉眠记忆，原文保留）
├── working.jsonl           # 工作记忆（会话暂存）
├── emotions.jsonl          # 情绪事件流（心情按半衰期从这里叠加出来）
├── emotion_checks.jsonl    # 情绪-输出一致性告警记录（滚动保留 200 条）
├── desires.json            # 六欲状态（生、耳目口鼻感官欲等底层需要）
├── assoc.jsonl             # 记忆关联边（联想图谱）
├── persona.json            # 人格档案
├── persona_snapshots/      # 人格快照（snapshot / restore / drift 基准）
├── config.json             # 配置（阈值/权重）
├── dream_state.json        # 做梦状态（上次做梦时间等）
├── daily_state.json        # 每日例行状态
├── knowledge.jsonl         # 知识库
├── knowledge/              # 知识库附件（index.json）
├── notes.jsonl             # 日记/日志/成长复盘
├── evolution.jsonl         # 进化日志
├── skills.json             # 技能注册表
├── skills/                 # 自己写的技能
├── extensions/             # 扩展模块（可执行钩子 inject/run，更新永不覆盖）
├── lingshu.user.md         # 用户附加规则（更新永不覆盖，每会话自动注入）
├── lingshu.log             # 运行日志（锁冲突/异常/解析报错，面板「日志」页可看）
├── dreams/                 # 梦报告与 pending（apply 草稿 apply_draft.json 也在这）
├── verbatim/               # capture 原样封存的保险柜
└── backups/                # 备份

边界

灵枢管人格/情绪/关系，DSH 管工作/项目——每日用 sync dsh 把灵枢日志摘要自动进 DSH 当日日志，两边各记各的，不重复、不漂移。

纯本地、零依赖、你的数据永远是你的。隐私是默认，不是选项。

266767398/lingshu-skill

灵枢 · 类脑记忆、人格与成长

目录

核心机制

分层记忆与遗忘曲线

做梦：上下文将满时的整理

上下文水位三级防线

工作记忆

会话模式与情绪隔离

审核闸：AI 产物先过目，AI 自己审

情绪与类人机制

模糊联想回忆

记忆关联（联想图谱）

人格

成长路径

知识库

笔记日志

技能自编辑与全局化

进化日志

DeepSeek 生态兼容

cordis 插件：启动自动注入

可视化面板

可靠性设计

脚本 vs 模型：谁在真正干活

模型适配与档位

接入大模型（Ollama 示例）

规模上限与归档

技能名为什么是 lingshu

如何更新灵枢

快速开始

命令速查

项目结构

边界

Community comments

266767398/lingshu-skill

灵枢 · 类脑记忆、人格与成长

目录

核心机制

分层记忆与遗忘曲线

做梦：上下文将满时的整理

上下文水位三级防线

工作记忆

会话模式与情绪隔离

审核闸：AI 产物先过目，AI 自己审

情绪与类人机制

模糊联想回忆

记忆关联（联想图谱）

人格

成长路径

知识库

笔记日志

技能自编辑与全局化

进化日志

DeepSeek 生态兼容

cordis 插件：启动自动注入

可视化面板

可靠性设计

脚本 vs 模型：谁在真正干活

模型适配与档位

接入大模型（Ollama 示例）

规模上限与归档

技能名为什么是 lingshu

如何更新灵枢

快速开始

命令速查

项目结构

边界

Community comments