deepseek-brain

DeepSeek Harness (DSH) 插件 · 五层记忆大脑 + 3D 记忆观测仪安装：dsh plugin --profile web add github:Elias1222/deepseek-brain

一个给 DeepSeek Harness 用的持久化类人生物大脑插件：五层记忆、指数衰减遗忘、睡眠式巩固、知识图谱冲突修正、ASCII 脑图、Web 仪表盘，以及一个单文件的 Three.js 3D 记忆大脑。

零运行时依赖（纯 Node ESM），数据是 ~/.deepseek-brain/ 下的分层 JSON，随时可以打包搬走。

版本与能力清单见 docs/RELEASE.md（1.0 发布说明）。

1. 安装

# 从 GitHub 安装（把 xxx 换成实际仓库地址）
dsh plugin --profile web add github:Elias1222/deepseek-brain

# 本地开发时用路径安装
dsh plugin add ./deepseek-brain

web 是 profile 名，换成你实际在用的那个（本机真实 profile 名是 desktop，已用 dsh plugin --profile brain-selftest add ./deepseek-brain 验证过安装链路：pnpm link 到 profile、dsh.profile.bundles 自动加入 deepseek-brain、dsh --dump-config 里能看到 - id: deepseek-brain）。

插件是标准 cordis 包：cordis.patch.yml 插入 deepseek-brain 行，lib/index.js 导出 name / inject / apply。 inject: ['tools', 'systemPrompt'] 是硬依赖；webServer 用 ctx.inject 可选挂载，没有 Web 服务时 brain_dashboard 会自己起一个回环端口。

启动后模型立刻拿到工具与 System Prompt 注入（见第 4 节）。数据目录默认 ~/.deepseek-brain/。

2. 架构

┌──────────────────────────── DSH agent turn ─────────────────────────────┐
│                                                                          │
│  user/message ──► session/event hook ──► SensoryBuffer (7±2, TTL 2s)     │
│                                              │ attended?                 │
│                                              ▼                           │
│                                       WorkingMemory (topic stack 4-7)    │
│                                              │                           │
│                              shouldRemember gate (重要度/实体/承诺词)     │
│                                              ▼                           │
│        ┌───────────────┬───────────────┬─────────────────┐               │
│        │ Episodic      │ Semantic      │ Procedural      │               │
│        │ 时间线+强度    │ 主体→关系→客体 │ 规则/习惯        │               │
│        │ 重要度×e^(-λt) │ 别名/冲突修正  │ 作为行为默认值    │               │
│        └───────┬───────┴───────┬───────┴────────┬────────┘               │
│                │               │                │                        │
│         decay / sleep consolidation（夜间空闲触发）                       │
│                ▼               ▼                ▼                        │
│            recall() ← 关键词 × 时间衰减 × 重要度 × (可选)向量相似度        │
│                │                                                         │
│                ├──► brain_recall  → tool result（带分数拆解）             │
│                ├──► promptBlock   → systemPrompt.context (order 130)     │
│                └──► apiState/HITP → 仪表盘 + 3D 大脑                      │
└──────────────────────────────────────────────────────────────────────────┘

与人脑记忆科学的对应

层	插件实现	神经科学对应	关键参数
感觉记忆 `sensory`	每次输入解析实体（人名/时间/数字/地点/URL/情绪），7±2 槽，2 秒过期	图像/回声感觉登记（Atkinson–Shiffrin）	`sensoryCapacity`、`sensoryTtlMs`
工作记忆 `working`	话题栈，新话题 push 到顶，旧话题搁置，按会话隔离	前额叶工作记忆，容量 4±1	`workingCapacity`（夹在 4–7）
情景记忆 `episodic`	`{ts, event, participants, place, emotion, importance 1-5, detail}`，强度 `importance × exp(-λ·days)`	海马体时间线情景痕迹	`lambda`（默认 0.05/天）、`forgetThreshold`
语义记忆 `semantic`	三元组图谱 + 别名归一 + 冲突时旧条目 `status: corrected` 并保留 `supersededBy`	颞叶语义网络	`importance ≥ 4` 常驻
程序记忆 `procedural`	习惯/规则清单，注入 System Prompt 作为默认行为，被使用时强度 +0.1	基底节程序性学习	`procedural` 强度排序 + 前 8 条入 prompt

三条不变量：

永不物理删除。forget 与衰减都写入 archive.json；语义冲突只标记 [已修正]。
重要度 ≥ 4 永久保留（PINNED_IMPORTANCE），不参与衰减清理。
衰减是连续函数而非定时任务：任一时刻的强度都由 ts 与 λ 现算，不需要后台心跳。

3. 三个使用示例

记住一件事

用户：「我叫林夕，是一名产品设计师，明天下午三点和张伟在望京开会。」

模型会直接调用：

{
  "name": "brain_remember",
  "arguments": {
    "layer": "episodic",
    "event": "和张伟在望京开会，讨论排期",
    "participants": ["张伟"],
    "place": "望京",
    "emotion": "紧张",
    "importance": 4
  }
}

自动抽取的关系表

observe 每收到一条用户消息，都会用 lib/extract.js 的规则表扫一遍；命中的进语义三元组，祈使句进程序记忆。规则是「前置上下文 + 后缀白名单」双约束，所以 李雪是老师 不会被记成你的职业。

规则	关系	触发	例	重要度
`name`	姓名	我叫/我的名字是 X	`我叫林夕` → 用户 → 姓名 → 林夕	5
`job`	职业	句首/标点/「我」+ 是/做/从事 + 带职业后缀的词	`，是一名产品设计师`	4
`home`	居住地	我住在/我在 X 住	`我住在北京`	4
`company`	公司	我在 X 工作/上班	`我在字节工作`	4
`age`	年龄	我今年 N 岁	`我今年 28 岁`	3
`birthday`	生日	我的生日是 X	`我的生日是三月七号`	5
`like` / `dislike`	喜欢 / 不喜欢	我喜欢 X / 我不喜欢 X	`我喜欢黑咖啡`	3
`pet`	宠物	我养了（一只）X	`我养了一只橘猫` → 橘猫	3
`plan`	计划	我打算/准备/计划 X	`我打算下个月搬家`	3
`person-role`	身份	X 是 Y（X 不是「我」）	`张伟是同事` → 张伟 → 身份 → 同事	4
`kin-name`	姓名	我(的)爸/妈/哥/姐… 叫 X	`我妈叫李雪` → 妈 → 姓名 → 李雪	4
`rule`	程序记忆	记住/记一下/以后都/下次记得/别再	`记住：回答先给结论`	4

抽取与闸门解耦：一句话值不值得进情景记忆（注意力闸门），和它里面有没有可抽取的事实，是两件事。observe 先跑规则表，再按闸门决定是否写情景——所以「她是我的老板」这种不会被记成事件的短句，它的 unbound 照样会被报出来。

时间短语：parseWhen() 把「明天下午三点」「下周三上午十点半」「三天后」「两周后」「两个月后」「两小时后」「下下周三」「月底」「3 月 7 号」解析成绝对时刻，写进情景记忆的 when（原话）与 whenAt（ISO）。解析不出来就是 null——绝不用「现在」冒充。

代词绑定（两级）：第一级只看同一句里前面出现过的人名（张伟说他下周来，他是我的同事 → 张伟 → 身份 → 同事），绑上就按原话全权重记；第二级才看上下文——候选是「已知人名」，要求只有一个候选且性别对得上（他/他们 男、她/她们 女、对方/这个人/那个人 不分性别），性别证据来自 张伟，他下周来 这种明确同指，没有证据就不猜；第二级绑上的重要度降一档并标 boundFrom: "context"。两级都失败就进 unbound（POST /api/observe 的响应里能看到）并且不写库，reason 为 no-candidate / no-gender-evidence / ambiguous 之一——把不确定的关系记成事实，比漏掉更糟。

共同的后处理：宾语过 clean()（去尾部「的了吧呢啊」）与 accept()（长度 1–20、拒代词与语气词、拒 ≥7 位纯数字、拒以「吗/呢/么」结尾）；问句整句跳过（rule 规则除外）；同一句里同一三元组只产一次。

同一句话里的「我叫林夕 / 产品设计师」会被自动抽成语义三元组（用户 → 姓名 → 林夕、用户 → 职业 → 产品设计师）。也可以显式写语义：

{ "layer": "semantic", "subject": "用户", "relation": "职业", "object": "产品设计师", "importance": 5 }

回忆一件事

用户：「上次跟张伟那个会怎么样了？」

{ "name": "brain_recall", "arguments": { "query": "张伟 会议 排期", "topK": 6 } }

返回按 关键词 0.55 + 重要度 0.2 + 新鲜度 0.2 + 层级 0.05（可选向量 0.3）排序的命中，并附带分数拆解，模型据此说「你之前说过会议延期到周五」。

查看大脑可视化

{ "name": "brain_visualize", "arguments": {} }

┌─ 工作记忆 · 话题栈（栈顶=当前焦点） ─────────────────────┐
│ ▸ 项目排期                                               │
│ 容量 1/7 · 顶部话题决定回答焦点                          │
├─ 情景记忆（近期 · 强度=重要度×e^(-λt)） ─────────────────┤
│ ● 10-30 会议延期 ★★★★☆ s=3.40                           │
├─ 语义记忆（主体 → 关系 → 客体） ─────────────────────────┤
│ 用户 → 职业 → 设计师                                     │
├─ 程序记忆（行为默认值） ─────────────────────────────────┤
│ ⚙ 先给结论                                              │
├─ 感觉记忆（7±2 槽 · 存活 2 秒） ─────────────────────────┤
│ ◇ 明天三点开会 人:张伟 时:明天                           │
└──────────────────────────────────────────────────────────┘

┌─ 记忆健康面板 ───────────────────────────────────────────┐
│ 总记忆数      3                                          │
│ 本周新增      1                                          │
│ 遗忘压缩数    2                                          │
│ 睡眠巩固次数  1                                          │
│ 平均重要度    4.00                                       │
│ 活跃主题      —                                          │
│ 分层条数      感觉 1 · 工作 1 · 情景 1 · 语义 1 · 程序 1 │
│ 最近巩固      尚未发生                                   │
└──────────────────────────────────────────────────────────┘

另有 brain_sleep（立即巩固）、brain_forget（软删除到 archive）、brain_update（就地修订，不新建不删除）、brain_conflicts（列出 [已修正] 的事实及当前值）、brain_restore（把旧值放回生效位）、brain_import（并入另一台设备的档案，只做加法）、brain_snapshot（Markdown/JSON 档案）、brain_dashboard（启动仪表盘并回传 URL）。

同样的三件事不经过对话也能做——curl / Invoke-RestMethod / Node 三种入口的完整命令见 docs/EXAMPLES.md，HTTP 契约见 docs/API.md。

4. 工具与 System Prompt

工具	作用	关键参数
`brain_remember`	写入五层中的一层	`layer`(必填) `event` `participants` `place` `emotion` `detail` `importance` `subject` `relation` `object` `rule` `ts`
`brain_recall`	检索 top-K，返回分数拆解	`query`(必填) `topK` `layers`
`brain_visualize`	ASCII 脑图 + 健康面板	—
`brain_update`	就地修订一条记忆（情景字段 / 语义 object / 程序 rule），保留历史	`id`(必填) `importance` `event` `detail` `place` `emotion` `object` `rule`
`brain_history`	看一条记忆的版本链（v1 … 当前），回答「之前到底是怎么说的」	`id`(必填)
`brain_conflicts`	列出被修正的事实与当前生效值	—
`brain_restore`	把某条 `[已修正]` 的旧值放回生效位	`id`(必填)
`brain_prune_conflicts`	每个槽位只留最近 N 条旧值，其余软归档到 `archive.json`（先给预演）	`keep` `subject` `relation` `dryRun`
`brain_archive`	查归档区（遗忘 / 清理 / 手动归档）并取回，单条或批量	`query` `layer` `limit` `id` `ids`
`brain_import`	并入另一份 export（只做加法，冲突跳过）	`path` 或 `json`
`brain_forget`	软删除到 `archive.json`	`id`
`brain_sleep`	衰减清理 + 睡眠巩固	`minAgeHours`
`brain_snapshot`	导出 Markdown / JSON 档案	`format`
`brain_reset`	把大脑清空成空白（五层 + 归档 + 活动流 + 计数器），必须传 `confirm: "reset"`；默认先写一份 `snapshots/pre-reset-*.md` 留底（`snapshot: false` 可关）	`confirm` `snapshot`
`brain_dashboard`	启动或复用本地仪表盘，返回 URL	—

注入到 System Prompt 的内容（order: 130，interpolate: false）包含五条铁律、当前话题栈焦点、程序记忆规则、高权重情景记忆与实体归一表：

你拥有一个持久化的类人生物大脑（五层记忆：感觉 / 工作 / 情景 / 语义 / 程序）。铁律：
① 回答前先调用 brain_recall 检索相关记忆，禁止凭空“想起”；检索不到就明说没有记录。
② 用户给出姓名 / 日期 / 承诺 / 偏好时，立即调用 brain_remember 写入对应层。
③ 提到旧话题时自然带出过往细节（“你之前说过……”），但只使用检索到的内容。
④ 记忆冲突时用 brain_remember 叠加新事实，旧事实会自动标记 [已修正]，永不物理删除。
⑤ 重要度 ≥ 4 的记忆永不忘，低价值记忆随时间自然衰减；不要假装记得已被遗忘的事。

interpolate: false 是硬性要求：记忆里出现 {{...}} 时不会被当成模板变量求值。

5. 配置

插件配置直接在 cordis.yml 的插件条目里写（或用 DEEPSEEK_BRAIN_DIR 覆盖数据目录）：

- id: deepseek-brain
  name: 'deepseek-brain'
  config:
    lambda: 0.05              # 衰减系数 λ（每天），越大忘得越快
    forgetThreshold: 0.5      # 强度低于该值且重要度<4 → 清理
    sensoryCapacity: 7        # 感觉缓冲槽位，夹在 3-9（7±2）
    sensoryTtlMs: 2000        # 感觉痕迹存活毫秒
    workingCapacity: 7        # 话题栈深度，夹在 4-7
    topK: 6                   # recall 默认返回条数
    autoCapture: true         # 自动把用户输入过闸门后写入情景记忆
    autoImportanceMin: 3      # 自动捕获的最低重要度
    promptInjection: true     # 是否注入 System Prompt
    dashboard: true           # 允许 brain_dashboard 起服务
    backupCount: 7            # 保留的备份版本数
    idleConsolidationHours: 12  # 空闲多久后允许自动巩固（0 关闭）
    minConsolidationAgeHours: 6 # 巩固时忽略的新记忆年龄
    autoDecayMinutes: 30      # 自主遗忘扫描间隔（分钟），0 关闭
    activityLimit: 240        # 活动流环形缓冲长度
    vector:
      enabled: false          # 语义召回开关
      provider: hash          # hash（零依赖余弦）或 lancedb
    demoSeed: false           # 启动时灌入 20 条演示记忆

配置	默认	范围	说明
`lambda`	`0.05`	0.001–1	强度衰减率，`exp(-λ·天数)`；0.05 约 14 天减半
`forgetThreshold`	`0.5`	0.05–3	低于此强度进入清理；重要度 ≥4 免疫
`sensoryCapacity`	`7`	3–9	感觉槽位
`sensoryTtlMs`	`2000`	200–60000	感觉痕迹存活
`workingCapacity`	`7`	4–7	话题栈深度
`topK`	`6`	1–20	recall 返回条数
`autoImportanceMin`	`3`	1–5	自动捕获门槛
`backupCount`	`7`	1–50	备份轮转保留数
`idleConsolidationHours`	`12`	0–240	夜间/空闲自动巩固间隔
`minConsolidationAgeHours`	`6`	0–720	巩固时跳过的年轻记忆
`autoDecayMinutes`	`30`	0–1440	自主遗忘扫描间隔：到点自动 `decayPass()`，弱记忆进 `archive.json`；`0` 关闭
`activityLimit`	`240`	20–2000	活动流保留条数（3D / 仪表盘的事件源）
`vector.enabled`	`false`	—	开启后 recall 额外加向量相似度 0.3
`vector.provider`	`hash`	`hash`/`lancedb`	`lancedb` 需自行 `npm i @lancedb/lancedb`；该分支只把数据库打开成扩展点，打分仍是内置余弦，模块缺失时自动降级并写入 `warnings`
`demoSeed`	`false`	—	空库时灌入 20 条演示记忆

数据目录优先级：显式 dataDir > DEEPSEEK_BRAIN_DIR 环境变量 > ~/.deepseek-brain。

落盘结构

~/.deepseek-brain/
├── episodic.json      # {version, items:[…]}
├── semantic.json      # {version, items:[…], aliases:{别名: 主体}}
├── procedural.json
├── stats.json         # counters / lastSleepAt / remembersByDay
├── archive.json       # 遗忘与手动删除的只增档案
├── backups/           # 每个文件的最近 7 个版本
│   └── episodic.json.2024-10-30T12-00-00-000Z.bak
├── snapshots/         # brain_snapshot 的 Markdown 档案
└── vectors/           # 可选向量索引（默认不生成）

写入是原子的：*.tmp → rename（Windows 上先删目标）。文件损坏时改名为 *.corrupt-<ts> 并从最近备份恢复；没有备份就重置为空库并在 warnings 里登记。

6. 可视化

6.0 不装插件也能先看

node tools/serve.mjs --demo        # → http://127.0.0.1:7801/deepseek-brain/
# 等价：npm run serve

它用的是插件挂到 DSH webServer 上的同一个 lib/server.js handler，所以预览里看到的和 brain_dashboard 返回的完全一致：仪表盘、3D 大脑、api/state 都在同一个端口上。数据目录默认就是 ~/.deepseek-brain，--data ./tmp 换地方、--port 7802 换端口、不传 --demo 则只在空库时播种。

6.1 对话内：`brain_visualize`

ASCII 脑图（见第 3 节）+ 健康面板：总记忆数、本周新增、遗忘压缩数、巩固次数、平均重要度、活跃主题、分层条数、最近巩固时间。框线按 CJK 双宽对齐，终端里不会撕裂。

6.2 记忆观测仪（仪表盘）

brain_dashboard → 返回 …/deepseek-brain/dashboard.html。它不是「数据看板」，是一台观测仪：骨白与墨色、宋体标题、等宽数字、压印按钮，没有任何圆角渐变卡片。四页（hash 路由，键盘 1–4）：

概览 VITALS：脑区度数表（五层的条数/占比/平均强度）+ 14 天生命体征示波器（新增/遗忘/巩固/巩固次数四条迹线）+ 读数板（λ、半衰期、遗忘阈值、Pinned 条数、数据目录、备份数、向量索引、当前会话）+ 检索台（真正 POST /api/recall，把分数四分量列出来）。
编年史 CHRONICLE：右上角「归档区」按钮打开归档抽屉——遗忘、清理、手动归档的记忆都在里面，可按关键词与层级筛，点「取回」就回到原来的层继续参与检索与衰减；勾选多条可以「取回选中 (n)」，取回后 8 秒内还能「撤销取回」把它送回归档区。等宽表格虚拟滚动，每条给出「强度预报」——还剩 31.2 日 · 强度 0.50 或 免疫 · Imp 5，直接读服务端 forgetInDays，不在前端重算公式。点任意一行打开版本链抽屉：v1 … vN 分开标注当前版与 [已修正]，点开看那一版当时的字段；恢复此版本 对情景/程序走 PATCH api/memories/:id（历史另存一版，不覆盖），对语义事实走 POST api/conflicts/:id/restore。
纤维追踪 TRACTOGRAPHY：力导向的语义纤维束，主体/客体分级着色，[已修正] 用虚线束；右侧实体档案按度数排序，点实体列出它的全部事实；再下方是废弃事实面板——按「主体 → 关系」聚合被修正的旧值，每个槽位保留最近 1 条，多出来的点一下就软归档到 archive.json（可先看「可归档 K 条」再动手）。
衰减实验 DECAY LAB：左侧时间转盘（±30 天）真的会 GET /api/state?at=，右侧强度曲线族按当前 λ 画出每条记忆的衰减轨迹与阈值穿越点，右下是遗忘预报清单（按 forgetInDays 升序）。

底部是控制台与活动记录：每一次 observe / recall / remember / correct / forget / consolidate / decay 都带 seq 落在这里（3D 页优先用 GET /api/events 的 SSE 推送：ActivityLog.subscribe() 一有事件就写帧，实测端到端约 80 ms；没有 EventSource 或端点缺失时自动退回 1 秒轮询。密集事件有预算：500 ms 内最多 6 段动画、同时最多 10 个 engram 在飞，toast 300 ms 内的连续提示折成「首条 · +N」），一行一条（例如 #001 22:39:22 检索「张伟会议排期」· 3 命中 · 3ms）。

API 挂在 /deepseek-brain/api/*，契约见 docs/API.md：

GET  /api/state?at=   GET /api/activity?since=   GET /api/health
GET  /api/export.json GET /api/snapshot.md       GET /api/conflicts
GET  /api/archive?q=&layer=&limit=                GET /api/memories/:id
POST /api/remember    POST /api/forget   POST /api/sleep   POST /api/decay
POST /api/recall      POST /api/working/push
PATCH|POST /api/memories/:id            # 就地修订（importance / 字段 / 语义 object）
GET  /api/memories/:id                 # 版本链 v1…当前
POST /api/conflicts/:id/restore         # 把 [已修正] 的旧值放回生效位
POST /api/conflicts/prune               # 每槽留 N 条旧值，其余软归档（keep / dryRun）
POST /api/archive/:id/restore           # 从归档区取回一条，回到原来的层
POST /api/archive/restore                # 批量取回 { ids: [...] }，缺失的 id 进 missing
POST /api/archive/:id/undo               # 撤销刚才的取回，重新归档（reason: undo）
POST /api/import                        # 并入另一份 export，只做加法

全部端点带 Access-Control-Allow-Origin: *，方便单独打开的 HTML 直接连。

观测仪 · 概览

编年史	纤维追踪

编年史 · 版本链抽屉

纤维追踪 · 废弃事实面板

编年史 · 归档区抽屉

衰减实验	手机（390 px）

6.3 3D 记忆观测仪

web/brain-3d.html：开发版，vendor/three.global.min.js 外链，作为插件静态资源由 /deepseek-brain/brain-3d.html 提供，读实时 /api/state。
dist/deepseek-brain-3d.html：构建产物，three.js 内联进同一个文件，双击即开、离线可用，此时用内置 20 条演示记忆。

node tools/build-3d.mjs      # 生成 dist/deepseek-brain-3d.html

这台仪器做什么（不是装饰动画）

屏幕上的东西	背后的真实运算
每枚 engram（记忆痕迹）一颗多棘核	一条真实记忆。核的尺寸 ∝ `importance`、亮度 ∝ `salience`、棘丝条数 ∝ 重要度、棘长 ∝ `strength`；全部由 `api/state` 的同名字段驱动
五层形态不同：感觉=彗星、工作=环链、情景=多棘星、语义=晶格、程序=双楔	层的语义差异；语义晶格的连线是真实三元组与共享实体的边
核的位置永远固定	FNV-1a 确定性寻址（见 `docs/API.md` §7）：同一条记忆每次刷新都落在同一格，你看到的刻度可被复现
点击任何一枚 → 右侧「目镜」	弹出该条记忆的完整字段：`id / slot u,v / 盘内 r,θ / anchor / ageDays / strength / salience / hits / ts / 遗忘预报`
目镜里的「修订史 v1…vN」	`GET /api/memories/:id` 的版本链：点开任一版看它当时的字段，`恢复此版本` 会再压一版而不是覆盖历史；`重要度 −/+` 走 `PATCH`
底板上的「时间切片」与转盘	拖动即 `GET /api/state?at=±Nd`，整具标本按那一时刻重新计算强度，随时可回到 `now`
顶栏 `事件序号`、观测条脉冲	`GET /api/activity?since=` 的增量：Agent 每次检索/写入/遗忘都在标本上打出一次脉冲
检索台	真的 `POST /api/recall`，命中项按 `score` 亮起并连出白质纤维束
检索时的「聚光」	`setFocus(hits)` 记下命中 id 与命中簇质心：2.6 s 内命中 engram 朝质心收 `0.50·sin(πt/T)`、非命中向外让开 `0.22` 并压暗，同时一圈 `LineLoop` 朝向相机亮灭。只改显示位移，`slot u/v` 不动——目镜里读到的永远是确定性寻址的槽位坐标
左栏底部的「关注 / 最相关」与层间光晕	活动流折算出的话题热度：写入 `+1.6`、检索 `+1.1×score`、修正 `+1.2`、睡眠 `×0.62`，32 s 半衰期衰减。热度分两级——层热度决定解剖锚点处的光晕，单条热度（`APP.heatK[id]`）决定那一枚 engram 的亮度。另有一条独立的相关度通道（`APP.relK[id]`，半衰期 128 s）：检索命中按 `score` 记下「有多像」，只影响 engram 的轮廓硬边，不影响亮度。于是「最近被想起」与「最相关」可以指向不同的两条，读数里分别写「关注：…」与「最相关：…」
左栏「检索史」	最近 12 次 `recall` 的时间条：每行是 `时:分[:秒] · 查询 · 命中层三色刻度 + 命中数`。点一行就重放那次检索——聚光圈、命中收拢、白质纤维束全部按当时的 hits 重跑一遍，`APP.queries` 里存的是 `{id, layer, score}` 原始载荷
舞台左下角「关联图」	中心是查询、四周是命中：连线粗细与节点半径按 `score`，节点色是层色，虚线外圈标「这次新出现的命中」。下方一行与上一次同话题检索对比：`+N 新命中 · −M 落空 · =K 保留`（同话题判定 = 空格分词的共享实词比例 ≥ 0.25，并把共同词写出来）
悬停关联图上的命中节点	图上一点 ↔ 脑里一枚：把鼠标移到关联图的节点上，标本里对应的那枚 engram 被顶到最亮（`hi = 1`）、其余压暗（`dim = 0.92`），浮卡底部同时给出 `层 · 标题 · score`；移开即恢复。浮卡本身 `pointer-events:none`，只有节点吃指针，所以不会挡住标本拖拽
检索史下方的时间轴	一根 `range` 把最近 12 次检索当成可拖的时间：拖到两帧之间就按权重插值出一次「中间检索」（`score × (1−f)` 与 `score × f` 取并集），聚光被锁在 `hold` 状态不自行熄灭；松手吸附到最近一格并重放那次的纤维束与聚光。读数写作 `50% · 支付流程评审`
检索史顶部的节奏条	相邻查询的间隔先 `log1p(Δt/1s)` 压缩再累加成横坐标：连着追查的几次会挤成一簇，隔几分钟才想起一次的会被拉开——横轴不是等距时间，而是「节奏」。每根刻度的高度随命中数、颜色取首个命中的层色，当前项加粗；下方读数给出 `跨度 / 次数 / 最长停顿`
刷新后检索史还在	连上服务端时 `loadHistoryFromActivity()` 拉 `api/activity?since=0&limit=200`，把其中 `kind === "recall"` 的事件重建成 `{at, q, hits}` 填回 `APP.queries`（同一秒同一句去重、上限 12 条）。边界：活动流是进程内日志，所以这件事跨刷新、不跨服务重启
进程世代标记	`ActivityLog` 构造时生成 6 位短 id，`MemorySystem.init()` 里的 `stampBoot()` 把它写进 `stats.json` 的 `boot: {id, count, since, previous}`（同一数据目录每启动一次 `count` +1），`/api/activity` 一起返回 `boot / bootCount / bootSince`。前端把 boot 存进 `localStorage.brain3d.boot`，下次连上时比对：一致显示 `进程 xxxxxx · 第 N 次启动`，不一致显示 `新进程 xxxxxx · 第 N 次启动 · 历史已重置`
快照里的「最近活动」	`exportJson()` 的 `activity: {boot, generation, seq, events[]}` 与 Markdown 快照末尾的 `## 最近活动 · 进程日志` 表，都是 `activityDigest()` 从活动流折出来的「刚才在查什么」。它只读、不参与合并（导入时被忽略），所以跨设备移植时上下文一起带走，记忆本身不会被污染
只读横幅	`/api/state` 带 `readOnly` 与 `lock`（持有者 pid）；只读时顶栏一直亮着 `只读 · 数据目录被 pid N 占用`，持有者退出、`handoverMs` 到点自动接管后自动消失。写请求期间会拿到 503 `read-only`，不会假装成功
两个实例共用一条活动流	持锁进程把每条事件追加到 `activity.jsonl`（上限 400 行）；只读实例启动时读进内存（`hydrate`），之后每次 `GET /api/activity` 与每条 SSE 连接每秒一次的 `syncActivityFromDisk()` 里用 `ActivityLog.ingest()` 追平——新事件同时推给订阅者，所以只读窗口的 3D 动画也由持有者的动作驱动。只读实例自己不写盘，接管后才接上落盘钩子
数据目录独占	`Store.acquireLock()` 用 `wx` 在数据目录写 `brain.lock`（pid / 时间 / 主机名）。抢不到锁先排队（`lockWaitMs`，默认 8 s），等到就重读磁盘再继续；等不到则以只读启动——`/api/health` 报 `readOnly: true` 与持有者 pid，写请求回 `503 read-only`，前端提示「只读：数据目录被另一个进程占用」。只读实例还有后台接管轮询（`handoverMs`，默认 20 s）：前任进程一退出，它自己升级成可写、重读磁盘、记一次新世代。陈锁（pid 已死或超过 6 小时）会被直接接管
清空时的收拢	`reset` 事件到达后，每枚 engram 沿自己的扇区角度（`archiveAngle(layer, slot.u)`）飞回归档环并缩小淡出，环上再扫一圈光；1.45 s 后本地热度/相关度/检索史一起归零，服务端此时已是空结构
「睡眠 / 衰减 / 遗忘」压印按钮	真的 `POST /api/sleep`、`/api/decay`、`/api/forget`，迁移与归档在标本上留下路径与残影
归档环里的往返	底板外环按五层切成五段扇区（每段用该层染料，扇区中点常显「感觉 / 工作 / 情景 / 语义 / 程序」小字——标签方向跟着相机转，但半径固定在标本外圈，所以任何方位角下五个都在、互不遮挡），`forget` / `decay` 让 engram 缩着飞向自己那一段；`restore` 沿同一路径长回来，`undo` 再反向飞出去——落点由 `archiveAngle(layer, slot.u)` 决定，不是随机角度

三种模式：观测（全景标本）、目镜（选中单条记忆的切片）、剖面（切开半球看深部结构）。

剖面不是隐藏半个半球：一块真裁剪面（renderer.localClippingEnabled + THREE.Plane）从额极以缓动扫到纵裂，切到哪儿皮质就少到哪儿；切面行进时内壁的雾状背面同时收暗，切面读成一张干净的薄片。相机同时用 1.05 s 飞到侧位，退出剖面自动飞回全景。
检索沿白质纤维束跑：脉冲头前面走，走过的路段留下一条渐隐的尾迹（单 LineSegments 动态缓冲，depthTest:false，所以能透过皮质看到），海马索引环先被点亮一整圈，再按 score 从束上不同高度剥出侧支——越靠后越细越短，不是终点放烟花。
目镜的「记忆原文」：情景记忆给的是当初那句话（事件正文 + 地点 + 细节引文 + T / WHERE / WHO / FEEL 四格）；语义记忆给 主体 → 关系 → 客体 的三段式与 [已修正] 血缘；程序记忆给规则原文与命中次数。下面才是寻址与分解数字。

剖面（裁剪面扫到纵裂）	检索轨迹与目镜

手势（Pointer Events，鼠标与触屏同一套）

操作	鼠标	触屏	效果
旋转	左键拖拽	单指拖拽	360° 环绕标本
缩放	滚轮	双指捏合	拉近看脑沟回与棘丝
平移	右键拖拽	双指拖拽	平移视点
选中	单击 engram 或左板层名	单指点选	相机飞入 + 目镜展开该条记忆
复位	`Esc` / 「全景」	收起目镜	回到全景

3D 记忆观测仪

手机（390 px，真 device metrics）

几何与脑区映射（BRAIN = {AX 1.40, AY 1.46, AZ 2.02}）

皮层不是一颗椭球，而是 四叶 + 三个极部 的隐式场并集：LOBE_C 里额 [0,0.06,0.50, 0.86,0.84,0.80]、顶 [0,0.26,-0.20, 0.92,0.92,0.72]、枕 [0,-0.06,-0.68, 0.78,0.64,0.50]、颞 [-0.66,-0.30,0.10, 0.50,0.40,0.72]（按半球镜像）给主体，另加额极 [0,-0.02,0.88, 0.46,0.42,0.30]、颞极 [-0.56,-0.34,0.66, 0.33,0.27,0.28]、枕极 [0,-0.02,-1.00, 0.36,0.30,0.24] 三个更小更靠外的椭球；polynomial smooth-max（k = 0.115）做圆角并集，再沿每个顶点方向二分 16 次求边界半径 lobeRadius()，归一化按三轴分别做（LOBE_K = {x,y,z}，各自取该轴正负向上 lobeRadius 的最大值求倒数）——之前用「所有方向的最大半径」统一去除，等于把极部的收窄又按比例缩放回去；分轴之后额极/枕极的细瘦是形状本身的性质。极部因此是锥形收口，不是两块等高的球面。
两个闭合半球：内侧顶点被 softMax 折到 x ≈ ±gapHalf 的墙面上，两壁之间是真缝（纵裂）；脑底面在颅底处压平（py < -0.30 后的 0.58 折减）。
沟回由带分叉的一级沟骨架树驱动：SULCI 里的 18 条折线（中央沟主干 + 上支 + 下支、中央前/后沟、外侧裂主干 + 升支 + 后支、额上/额下沟、顶内沟、顶上沟、顶枕外侧支、颞上/颞下沟、顶枕沟、距状沟、扣带沟）都定义在单位球方向空间；每个顶点一次遍历算出到最近骨架的角距离 d1、到次近骨架的 d2 与按 w=exp(−(d/0.30)²) 融合的相位——
- 一级沟：d1≈0 处按各自宽度开深槽 exp(−(d1/w)²)·depth；
- 次级沟：相位 = 加权平均的 (弧长·1.05 + d·17.0)，所以脑回走向在两条沟的势力边界上是平滑过渡的，不会突然换向；
- 三级沟：同相位倍频 2.6×，压掉同心圆；
- 极部短支（rontal-pole-a/b、 emporal-pole、occipital-pole）只负责开槽、标了 phase: false，不参与相位融合——第一版忘了这一步，极部确实折进去了，但整颗脑也被抹平成光面。
Voronoi 顶冠：wall = exp(−((d2−d1)/0.055)²) 在两条沟的分界线上把皮层抬起来，于是两沟之间是圆隆的脑回顶，而不是平台；
- 叶区调制：相位再乘一个由前后位置决定的 gf = 1 − 0.15·smoothstep(0, 0.90, pz) + 0.20·smoothstep(0.10, −0.85, pz)——额极更宽（gf≈0.85）、枕极更细（gf≈1.20），治掉原先「脑回宽度整齐划一」的塑料感。合成 bump = (1−sul)·0.55 + 0.45·warpA + 0.18·wall，disp = 1 + 0.094·bump − 0.118·sul。中央沟与外侧裂因此是真正的分叶深沟，不是画上去的线。
竖屏按 fit = clamp(1.02/aspect, 1, 1.56) 把标本拉远；画布宽度小于 720 px 时不再画归档扇区标签（与左栏五区标签重名）。
半球细分 seg: [224, 168]（低画质 [104, 80]），约 10 万顶点/半球；加载时一次性算完位移与顶点色，桌面端 DOMContentLoaded ≈ 1.2 s。
颅顶弧线单列一条：y -= 0.125 * smoothstep(0.18, 0.98, |pz|) * lobe，中段最高、额极与枕极一起下沉；同时 x *= 1 - 0.13*smoothstep(0.34,1.0,|pz|) 让极部收窄，从上方看是卵形而不是跑道形。
小脑是两半球 + 蚓部三个网格（共用一份叶片条纹几何），脑干与桥脑独立。
沟底偏冷、回冠偏暖：COL_DEEP 从 #1b1d1e 抬到 #26282b，再按 0.045·sul^1.8·(1−crown) 给暗部加一点冷灰（第一版给了 0.16，沟里直接亮成蓝血管，被自己否掉了）——暗部于是透得出结构，而不是一片死黑。- 简化：tools/qem.mjs 的二次误差（quadric error）边折叠——顶点聚类只作为对齐的中间步，真正的简化按「删掉这条边会带来多少体积误差」从小到大折叠，沟壁、脑回顶和平面因此被保住；折叠后再叠 5 轮拉普拉斯平滑收掉残留毛刺。
分级 LOD：web/brain-mesh.js 90k 三角（默认档）/ web/brain-mesh-low.js 24k（低画质档与窄屏），加载时按 QUALITY.low 选择；两份都内联进单文件构建。
对比度：解码时统一套 CONTRAST = { gain: 1.34, bias: -0.02, scale: 0.52 } 这条曲线——顶点色是按无光照烘焙的，直接喂给标准材质会发白。
热切换：setCortexLod(level) 按 pickLod() 挑档（QUALITY.low 或 innerWidth < 900 用 24k 版），两档几何都缓存在 cortexLod.cache 里，切换只换 mesh、不重新解码；resize 去抖 260 ms 后自动重挑，也可用 window.__setCortexLod("low"|"high") 手动切。

真皮层网格（CC BY 4.0）

皮层几何不再是程序化生成的近似，而是 真实的 MRI 重建表面：

来源：Thomas Habets, brain (https://github.com/ThomasHabets/brain)，数据部分许可 CC BY 4.0；
处理：tools/fetch-brain-mesh.mjs 取 tar.gz → tools/bake-brain-mesh.mjs 顶点聚类抽稀（59,342 三角 / 22,749 顶点）、拉普拉斯平滑 5 轮、轴变换（FreeSurfer RAS → 本项目 X 左右 / Y 上 / Z 前后）、量化 + gzip → web/brain-mesh.js（628 KB base64）；
回退：浏览器缺 DecompressionStream、数据加载失败或使用 ?proc=1 时，仍用原来的程序化半球（SULCI 22 条骨架那套），不会白屏；
署名：单文件版本内嵌同一份网格，使用时请保留本段与 docs/RELEASE.md 中的署名。

注意：真网格与程序化半球的坐标一致（世界包围盒 x ±1.41 / y ±1.22 / z ±2.02），所以 engram 的确定性槽位、剖面裁剪、归档环都不用改。

回冠高光：顶点色里给「不在沟里 + 正对主光 + 隆起」的顶点加 0.34·crown （crown = (1−2.2·sul)^1.5 · lam^2.4 · (0.55+0.45·bump)），暖色偏移也跟着它走—— 远看时脑回顶有一道细亮边、沟底仍是墨色，整体不再像蜡模。
皮层用 MeshStandardMaterial 承接真实定向光（key/fill/rim 三灯 + 半球光），顶点色承载沟回的「沟底变暗」；engram 用 depthTest:false 的 X 光叠加，所以能隔着皮质看到深部结构——这是仪器语义，不是穿模。
剖面切面是解析式着色器：vUv 上算灰质带（smoothstep(rim-0.19, rim-0.05, r)）、皮质-白质交界亮线、胼胝体弧、穹窿、侧脑室、基底节，再叠一层 hash 颗粒与沿灰质带的沟刻痕；不经过纹理，所以没有色彩空间损耗。
检索束是屏幕空间加粗管线：每段生成 6 个顶点（两个三角形），顶点着色器把端点投到 clip space、按屏幕法向撑开 aWidth 像素，宽度沿尾迹衰减；单 Mesh + 动态缓冲，depthTest:false，能透过皮质看到整条束。
五个脑区锚点：感觉 (-0.42, 0.86, 1.12)、工作 (0.48, 0.34, 1.60)、情景 (-0.88, -0.30, 0.14)、语义 (1.14, -0.40, 0.06)、程序 (-0.30, -0.12, -0.28)；半径 .34/.30/.26/.38/.22。

检索束（加粗管线，命中瞬间）

凑近看皮层（沟回沿一级沟骨架铺开）

性能（目标 60 fps，含移动端）

手段	说明
实例化 engram 核	每层一个 `InstancedMesh`（上限 512），一次 draw call 画完整层；尺寸/亮度/明暗走实例属性，不在帧内重建几何
线条合并	纤维束、环、刻度全部并进一个 `LineSegments`（`LINE_SEGS` 上限），一次提交
脉冲池	检索/写入的激活脉冲是固定容量的 `Points` 池，循环复用，绝不 `new`
零帧内分配	渲染循环复用模块级 `Vector3`/`Color` 临时量
拾取开销	射线只与每层的 picked proxy 求交，不打高面数皮质
画质分档	`hardwareConcurrency ≤ 4 / dpr×width > 2600 / 视口短边 < 720` 时降级：关抗锯齿、`pixelRatio` ≤ 1.5、分段 96×72、关菲涅尔壳与颗粒
离屏暂停	`document.hidden` 时停渲染，轮询也暂停
抗抖动	惯性阻尼；`prefers-reduced-motion` 下镜头跳切、不做长动画
调试	按 `d` 显示 HUD：draw calls / triangles / 帧耗 / 实例数

7. 测试与调试

node --test test/            # 62 个用例：分层算法 / 存储 / 记忆系统 / HTTP API / 活动流 / 插件契约 / 前端产物
node tools/demo.mjs          # 灌入 20 条演示记忆并打印脑图
DEEPSEEK_BRAIN_DIR=/tmp/brain node tools/demo.mjs   # 用临时数据目录，不碰真实记忆

用例覆盖：

文件	覆盖
`test/layers.test.js`	实体抽取、注意闸门、话题栈与小话题过滤、情景衰减与钉住、语义别名/冲突历史、程序记忆去重、巩固摘要、检索权重、ASCII 对齐、Markdown 档案
`test/store.test.js`	原子写、备份轮转上限、损坏文件隔离与恢复
`test/memory.test.js`	落盘/重启后记忆存活、观察闸门、recall、软删除、衰减清理、睡眠巩固、`apiState` 契约、演示数据、prompt 块、配置夹取
`test/activity.test.js`	活动流：seq 单调、payload 不能伪造 `seq/kind`、未知 kind 回退、环形缓冲上限、`since()` 只返回增量
`test/server.test.js`	全端点、CORS/预检、静态资源、路径穿越拒绝、坏 JSON 结构化报错、`salience` 派生、时间旅行、`forgetInDays` 预报、`POST /api/recall`
`test/plugin.test.js`	cordis 契约、15 个工具 schema 只使用 DSH 支持的 JSON Schema 子集、端到端工具调用、`session/event` 捕获、prompt 注入
`test/frontend.test.js`	两个页面无远程依赖、内联脚本可编译、3D 页引用 vendor + `api/state` + 五层名称、`dist` 单文件把 three.js 内联且无外链

调试入口：

GET /deepseek-brain/api/health：数据目录、各层条数、备份数、向量状态、warnings。
脑图底部「记忆健康面板」就是同一份统计的可读版。
想看某条为什么被召回：recall 的 parts 里有 keyword / importance / freshness / vector 四个分量。
想看引擎刚刚做了什么：GET /api/activity?since=<seq>，观测仪底部的「活动记录」就是它的渲染。
想验证遗忘：GET /api/state?at=%2B30d 看 forgetInDays 归零的那几条，再 POST /api/decay 让它们真的进归档。
插件初始化失败不会炸掉会话，错误进 memory.warnings 并在 api/health 里可见。

7.1 本机实测记录

项	结果
`node --test test/`	62 pass / 0 fail
真实安装	`dsh plugin --profile brain-selftest add ./deepseek-brain` → pnpm link 成功，`dsh.profile.bundles` 自动写入 `deepseek-brain`，`dsh --dump-config` 出现 `- id: deepseek-brain`
真实 HTTP	`dashboard.html` / `brain-3d.html` / `vendor/three.global.min.js` / `api/state` 全部 200，`api/state` 10 KB（v2 增加了 salience/预报/活动序号），regions 计数与库内条数一致
真实检索	`POST /api/recall {"query":"张伟会议排期"}` → 3 命中，top 0.624，`tookMs` 实测 31–46 ms；活动流里同一条事件带回 `parts/strength/title`，所以别人的检索在观测仪上也不是空条
遗忘预报	importance 1 的新条目 `forgetInDays = 13.86`；`?at=%2B10d` 后同一条变 `3.86`；`importance ≥ 4` 一律 `null`（pinned）
20 天剧本（λ=0.08）	sleep `{"migrated":3,"compressed":0,"pruned":0,"digests":0,"kept":9}`，重载后 episodic 9 条、archive 与 backups 一致
3D 交互	CDP 真实点击 engram：相机飞入 + 目镜列出 `id / slot u,v / 盘内 r,θ / anchor / ageDays / strength / salience / hits / ts / 遗忘预报`；`飞入 / 检索轨迹 / 遗忘此条` 三个按钮均打到真实端点
移动端	390×844（CDP `Emulation.setDeviceMetricsOverride`）下观测仪四页无横向溢出、3D 竖屏不裁两颞侧，目镜改为底部抽屉

3D 页另外有一份离线冒烟：web/brain-3d.html 复制到没有 vendor/ 的目录会显示可读错误卡而不是白屏。

8. 目录

deepseek-brain/
├── cordis.patch.yml          # DSH bundle 插入声明
├── package.json              # main: lib/index.js, dsh.bundle.patch
├── lib/
│   ├── index.js              # 插件入口：15 个工具 + prompt 注入 + 事件捕获 + Web 挂载 + 自主遗忘定时器
│   ├── memory.js             # MemorySystem：五层编排、配置、状态、prompt 块、演示数据、遗忘预报
│   ├── store.js              # 原子写、备份轮转、损坏恢复
│   ├── sensory.js            # 感觉缓冲 + 实体抽取 + 注意闸门
│   ├── working.js            # 话题栈 + 话题检测
│   ├── episodic.js           # 情景记忆 + 指数衰减
│   ├── semantic.js           # 三元组图谱 + 别名合并 + 冲突修正
│   ├── procedural.js         # 规则/习惯
│   ├── retrieval.js          # 检索引擎与分数拆解
│   ├── consolidation.js      # 睡眠式巩固
│   ├── activity.js           # 认知活动流（3D / 观测仪的事件源）
│   ├── vector.js             # 可选向量召回（hash / lancedb）
│   ├── render.js             # ASCII 脑图与健康面板
│   ├── snapshot.js           # Markdown 记忆档案
│   └── server.js             # 观测仪 + JSON API（含 ?at= 时间旅行与 /api/recall）
├── web/
│   ├── brain-3d.html         # 3D 记忆观测仪（开发版，外链 three）
│   ├── dashboard.html        # 记忆观测仪（单文件）
│   └── vendor/               # three.js 全局构建
├── dist/deepseek-brain-3d.html  # 单文件 3D 观测仪（构建产物，three 内联）
├── tools/                    # serve（本地预览）/ demo / build-3d / build-global-three
├── test/                     # 61 个 Node 原生测试
├── docs/
│   ├── API.md                # 前端契约 v2.1（端点 + state 结构 + 确定性 engram 寻址）
│   ├── DESIGN-v2.md          # 观测仪设计说明：形态学、色彩、排版、事件编排、性能预算
│   ├── EXAMPLES.md           # 示例：记忆 / 检索 / 可视化 / 观察大脑正在想什么
│   └── screenshots/          # 观测仪四页、3D 目镜与移动端截图

9. 边界

记忆只存在本机，插件不做任何网络请求；观测仪监听 127.0.0.1。
自动捕获有闸门（问候、过短、纯提问不写入），避免垃圾记忆污染；仍建议用 importance 与 brain_forget 维护。
遗忘是真的：autoDecayMinutes（默认 30）到点自动 decayPass()，跌破阈值的记忆移入 archive.json；3D 里那枚 engram 会随之消失，而不是只变暗。
vector 默认关闭。hash provider 只是字符级哈希相似度，不是真正的语义嵌入；接 LanceDB 时可以注入自己的 embedding。
Windows 上文件写入走「删目标再 rename」的回退路径，极端断电窗口内可能丢一次写入，但有备份兜底。
3D 页面在 file:// 下无法访问 API，会自动切到内置演示记忆；实时数据请走 brain_dashboard 给出的 URL。
3D 皮质是程序化近似，不是医学模型：叶形来自四椭球并集，沟回来自 22 条一级沟骨架（含四条极部短支）（含分叉）+ 平行相位 + Voronoi 顶冠；一级沟的位置是手调的近似解，脑回在顶叶与颞叶交界一带仍偏放射状，额极/枕极偏圆钝，小脑叶片仍是正弦条纹；远看合格，贴近看依然是「生成物」。engram 用 X 光叠加（depthTest:false）是刻意的仪器语义，不是穿模。
曾尝试用同一高度场烘焙切线空间法线贴图来补近距离细节，已放弃：次级沟在球面 UV 上的周期只有约 6 px，224/320 分辨率下会采样出摩尔纹，画面变成一片「鳞片」；真要做需要位移贴图 + 三平面投影，成本远超收益。现在靠 224×168 细分 + 顶点位移解决轮廓，近看仍是光滑的。
时间旅行只重算强度与预报，不会真的把记忆写回过去；?at= 是只读的时间切片。
Windows PowerShell 的 Invoke-RestMethod 默认按 ANSI 发 body，中文会变成 ??；用 [Text.Encoding]::UTF8.GetBytes($body)（见 docs/EXAMPLES.md）。
390 px 下观测仪把左侧脑区表收成横向条、把目镜改成底部抽屉；3D 页在竖屏会把标本按比例拉远，避免裁掉两颞侧，代价是上下留白。

MIT License.

附录 A · 截图一览

全部 1600×1000（移动端为 390×844 真机视口），存在 docs/screenshots/。

文件	看什么
brain3d.png	默认视角：22 条一级沟骨架、回冠高光、五层锚点与环绕的归档环
brain3d-detail.png	拉近：沟底冷灰 / 回冠骨白，极部短支切出的折痕
brain3d-eyepiece.png	目镜：一条记忆的原文、字段、确定性槽位与遗忘预报
brain3d-revisions.png	目镜里的修订史：v1…vN 芯片 + 该版字段
brain3d-focus.png	检索聚焦：命中收拢、非命中让开、一圈朝向相机
brain3d-heat.png	话题热度：层光晕 + 最热那条 engram 的读数
brain3d-recall.png	检索尾迹与侧支（白色索引环 → 命中）
brain3d-history.png	左栏检索史：最近 12 次查询 + 命中层刻度
brain3d-rhythm.png	检索节奏条：log1p 压缩后的爆发与长停顿
brain3d-timeline.png	时间轴拖拽：两段检索之间插值出的聚焦
brain3d-graph.png	查询-记忆关联图：中心查询、四周命中、与上次对比
brain3d-hover.png	图上悬停 → 脑里对应的那枚 engram 高亮
brain3d-archive-ring.png	归档环的五段扇区与常显小字
brain3d-restore.png	取回：engram 从环上沿尾迹长回自己的槽位
brain3d-reset.png	清空瞬间：所有 engram 收拢回归档环
brain3d-section.png	剖面：真裁剪面推进 + 灰白质分层着色
brain3d-readonly.png	只读实例的常驻横幅（另一个进程持有数据目录）
brain3d-boot.png	检索史的世代标记：进程 xxxxxx · 第 N 次启动
brain3d-shared-activity.png	只读窗口收到持有者的检索：同样出聚焦与 toast
brain3d-mobile.png	390×844：竖屏取景与底部抽屉
dash-vitals.png	观测仪 · 概览：脑区度数、生命体征示波器、读数板
dash-chronicle.png	观测仪 · 编年史：等宽表格、强度预报、两步归档
dash-tractography.png	观测仪 · 纤维追踪：力导向纤维束 + 实体档案 + 废弃事实
dash-decay.png	观测仪 · 衰减实验：时间转盘、曲线族、遗忘预报清单
dash-revisions.png	观测仪 · 修订抽屉
dash-archive.png	观测仪 · 归档区：多选取回与撤销
dash-deprecated.png	观测仪 · 废弃事实：每槽留 1 条，其余软归档
dash-reset.png	观测仪 · 清空大脑（含「已留底」提示）
dash-mobile.png	观测仪 · 390×844

deepseek-brain

DeepSeek Harness (DSH) 插件 · 五层记忆大脑 + 3D 记忆观测仪安装：dsh plugin --profile web add github:Elias1222/deepseek-brain

零运行时依赖（纯 Node ESM），数据是 ~/.deepseek-brain/ 下的分层 JSON，随时可以打包搬走。

版本与能力清单见 docs/RELEASE.md（1.0 发布说明）。

1. 安装

# 从 GitHub 安装（把 xxx 换成实际仓库地址）
dsh plugin --profile web add github:Elias1222/deepseek-brain

# 本地开发时用路径安装
dsh plugin add ./deepseek-brain

启动后模型立刻拿到工具与 System Prompt 注入（见第 4 节）。数据目录默认 ~/.deepseek-brain/。

2. 架构

┌──────────────────────────── DSH agent turn ─────────────────────────────┐
│                                                                          │
│  user/message ──► session/event hook ──► SensoryBuffer (7±2, TTL 2s)     │
│                                              │ attended?                 │
│                                              ▼                           │
│                                       WorkingMemory (topic stack 4-7)    │
│                                              │                           │
│                              shouldRemember gate (重要度/实体/承诺词)     │
│                                              ▼                           │
│        ┌───────────────┬───────────────┬─────────────────┐               │
│        │ Episodic      │ Semantic      │ Procedural      │               │
│        │ 时间线+强度    │ 主体→关系→客体 │ 规则/习惯        │               │
│        │ 重要度×e^(-λt) │ 别名/冲突修正  │ 作为行为默认值    │               │
│        └───────┬───────┴───────┬───────┴────────┬────────┘               │
│                │               │                │                        │
│         decay / sleep consolidation（夜间空闲触发）                       │
│                ▼               ▼                ▼                        │
│            recall() ← 关键词 × 时间衰减 × 重要度 × (可选)向量相似度        │
│                │                                                         │
│                ├──► brain_recall  → tool result（带分数拆解）             │
│                ├──► promptBlock   → systemPrompt.context (order 130)     │
│                └──► apiState/HITP → 仪表盘 + 3D 大脑                      │
└──────────────────────────────────────────────────────────────────────────┘

与人脑记忆科学的对应

层	插件实现	神经科学对应	关键参数
感觉记忆 `sensory`	每次输入解析实体（人名/时间/数字/地点/URL/情绪），7±2 槽，2 秒过期	图像/回声感觉登记（Atkinson–Shiffrin）	`sensoryCapacity`、`sensoryTtlMs`
工作记忆 `working`	话题栈，新话题 push 到顶，旧话题搁置，按会话隔离	前额叶工作记忆，容量 4±1	`workingCapacity`（夹在 4–7）
情景记忆 `episodic`	`{ts, event, participants, place, emotion, importance 1-5, detail}`，强度 `importance × exp(-λ·days)`	海马体时间线情景痕迹	`lambda`（默认 0.05/天）、`forgetThreshold`
语义记忆 `semantic`	三元组图谱 + 别名归一 + 冲突时旧条目 `status: corrected` 并保留 `supersededBy`	颞叶语义网络	`importance ≥ 4` 常驻
程序记忆 `procedural`	习惯/规则清单，注入 System Prompt 作为默认行为，被使用时强度 +0.1	基底节程序性学习	`procedural` 强度排序 + 前 8 条入 prompt

三条不变量：

永不物理删除。forget 与衰减都写入 archive.json；语义冲突只标记 [已修正]。
重要度 ≥ 4 永久保留（PINNED_IMPORTANCE），不参与衰减清理。
衰减是连续函数而非定时任务：任一时刻的强度都由 ts 与 λ 现算，不需要后台心跳。

3. 三个使用示例

记住一件事

用户：「我叫林夕，是一名产品设计师，明天下午三点和张伟在望京开会。」

模型会直接调用：

{
  "name": "brain_remember",
  "arguments": {
    "layer": "episodic",
    "event": "和张伟在望京开会，讨论排期",
    "participants": ["张伟"],
    "place": "望京",
    "emotion": "紧张",
    "importance": 4
  }
}

自动抽取的关系表

规则	关系	触发	例	重要度
`name`	姓名	我叫/我的名字是 X	`我叫林夕` → 用户 → 姓名 → 林夕	5
`job`	职业	句首/标点/「我」+ 是/做/从事 + 带职业后缀的词	`，是一名产品设计师`	4
`home`	居住地	我住在/我在 X 住	`我住在北京`	4
`company`	公司	我在 X 工作/上班	`我在字节工作`	4
`age`	年龄	我今年 N 岁	`我今年 28 岁`	3
`birthday`	生日	我的生日是 X	`我的生日是三月七号`	5
`like` / `dislike`	喜欢 / 不喜欢	我喜欢 X / 我不喜欢 X	`我喜欢黑咖啡`	3
`pet`	宠物	我养了（一只）X	`我养了一只橘猫` → 橘猫	3
`plan`	计划	我打算/准备/计划 X	`我打算下个月搬家`	3
`person-role`	身份	X 是 Y（X 不是「我」）	`张伟是同事` → 张伟 → 身份 → 同事	4
`kin-name`	姓名	我(的)爸/妈/哥/姐… 叫 X	`我妈叫李雪` → 妈 → 姓名 → 李雪	4
`rule`	程序记忆	记住/记一下/以后都/下次记得/别再	`记住：回答先给结论`	4

同一句话里的「我叫林夕 / 产品设计师」会被自动抽成语义三元组（用户 → 姓名 → 林夕、用户 → 职业 → 产品设计师）。也可以显式写语义：

{ "layer": "semantic", "subject": "用户", "relation": "职业", "object": "产品设计师", "importance": 5 }

回忆一件事

用户：「上次跟张伟那个会怎么样了？」

{ "name": "brain_recall", "arguments": { "query": "张伟 会议 排期", "topK": 6 } }

返回按 关键词 0.55 + 重要度 0.2 + 新鲜度 0.2 + 层级 0.05（可选向量 0.3）排序的命中，并附带分数拆解，模型据此说「你之前说过会议延期到周五」。

查看大脑可视化

{ "name": "brain_visualize", "arguments": {} }

┌─ 工作记忆 · 话题栈（栈顶=当前焦点） ─────────────────────┐
│ ▸ 项目排期                                               │
│ 容量 1/7 · 顶部话题决定回答焦点                          │
├─ 情景记忆（近期 · 强度=重要度×e^(-λt)） ─────────────────┤
│ ● 10-30 会议延期 ★★★★☆ s=3.40                           │
├─ 语义记忆（主体 → 关系 → 客体） ─────────────────────────┤
│ 用户 → 职业 → 设计师                                     │
├─ 程序记忆（行为默认值） ─────────────────────────────────┤
│ ⚙ 先给结论                                              │
├─ 感觉记忆（7±2 槽 · 存活 2 秒） ─────────────────────────┤
│ ◇ 明天三点开会 人:张伟 时:明天                           │
└──────────────────────────────────────────────────────────┘

┌─ 记忆健康面板 ───────────────────────────────────────────┐
│ 总记忆数      3                                          │
│ 本周新增      1                                          │
│ 遗忘压缩数    2                                          │
│ 睡眠巩固次数  1                                          │
│ 平均重要度    4.00                                       │
│ 活跃主题      —                                          │
│ 分层条数      感觉 1 · 工作 1 · 情景 1 · 语义 1 · 程序 1 │
│ 最近巩固      尚未发生                                   │
└──────────────────────────────────────────────────────────┘

同样的三件事不经过对话也能做——curl / Invoke-RestMethod / Node 三种入口的完整命令见 docs/EXAMPLES.md，HTTP 契约见 docs/API.md。

4. 工具与 System Prompt

工具	作用	关键参数
`brain_remember`	写入五层中的一层	`layer`(必填) `event` `participants` `place` `emotion` `detail` `importance` `subject` `relation` `object` `rule` `ts`
`brain_recall`	检索 top-K，返回分数拆解	`query`(必填) `topK` `layers`
`brain_visualize`	ASCII 脑图 + 健康面板	—
`brain_update`	就地修订一条记忆（情景字段 / 语义 object / 程序 rule），保留历史	`id`(必填) `importance` `event` `detail` `place` `emotion` `object` `rule`
`brain_history`	看一条记忆的版本链（v1 … 当前），回答「之前到底是怎么说的」	`id`(必填)
`brain_conflicts`	列出被修正的事实与当前生效值	—
`brain_restore`	把某条 `[已修正]` 的旧值放回生效位	`id`(必填)
`brain_prune_conflicts`	每个槽位只留最近 N 条旧值，其余软归档到 `archive.json`（先给预演）	`keep` `subject` `relation` `dryRun`
`brain_archive`	查归档区（遗忘 / 清理 / 手动归档）并取回，单条或批量	`query` `layer` `limit` `id` `ids`
`brain_import`	并入另一份 export（只做加法，冲突跳过）	`path` 或 `json`
`brain_forget`	软删除到 `archive.json`	`id`
`brain_sleep`	衰减清理 + 睡眠巩固	`minAgeHours`
`brain_snapshot`	导出 Markdown / JSON 档案	`format`
`brain_reset`	把大脑清空成空白（五层 + 归档 + 活动流 + 计数器），必须传 `confirm: "reset"`；默认先写一份 `snapshots/pre-reset-*.md` 留底（`snapshot: false` 可关）	`confirm` `snapshot`
`brain_dashboard`	启动或复用本地仪表盘，返回 URL	—

注入到 System Prompt 的内容（order: 130，interpolate: false）包含五条铁律、当前话题栈焦点、程序记忆规则、高权重情景记忆与实体归一表：

你拥有一个持久化的类人生物大脑（五层记忆：感觉 / 工作 / 情景 / 语义 / 程序）。铁律：
① 回答前先调用 brain_recall 检索相关记忆，禁止凭空“想起”；检索不到就明说没有记录。
② 用户给出姓名 / 日期 / 承诺 / 偏好时，立即调用 brain_remember 写入对应层。
③ 提到旧话题时自然带出过往细节（“你之前说过……”），但只使用检索到的内容。
④ 记忆冲突时用 brain_remember 叠加新事实，旧事实会自动标记 [已修正]，永不物理删除。
⑤ 重要度 ≥ 4 的记忆永不忘，低价值记忆随时间自然衰减；不要假装记得已被遗忘的事。

interpolate: false 是硬性要求：记忆里出现 {{...}} 时不会被当成模板变量求值。

5. 配置

插件配置直接在 cordis.yml 的插件条目里写（或用 DEEPSEEK_BRAIN_DIR 覆盖数据目录）：

- id: deepseek-brain
  name: 'deepseek-brain'
  config:
    lambda: 0.05              # 衰减系数 λ（每天），越大忘得越快
    forgetThreshold: 0.5      # 强度低于该值且重要度<4 → 清理
    sensoryCapacity: 7        # 感觉缓冲槽位，夹在 3-9（7±2）
    sensoryTtlMs: 2000        # 感觉痕迹存活毫秒
    workingCapacity: 7        # 话题栈深度，夹在 4-7
    topK: 6                   # recall 默认返回条数
    autoCapture: true         # 自动把用户输入过闸门后写入情景记忆
    autoImportanceMin: 3      # 自动捕获的最低重要度
    promptInjection: true     # 是否注入 System Prompt
    dashboard: true           # 允许 brain_dashboard 起服务
    backupCount: 7            # 保留的备份版本数
    idleConsolidationHours: 12  # 空闲多久后允许自动巩固（0 关闭）
    minConsolidationAgeHours: 6 # 巩固时忽略的新记忆年龄
    autoDecayMinutes: 30      # 自主遗忘扫描间隔（分钟），0 关闭
    activityLimit: 240        # 活动流环形缓冲长度
    vector:
      enabled: false          # 语义召回开关
      provider: hash          # hash（零依赖余弦）或 lancedb
    demoSeed: false           # 启动时灌入 20 条演示记忆

配置	默认	范围	说明
`lambda`	`0.05`	0.001–1	强度衰减率，`exp(-λ·天数)`；0.05 约 14 天减半
`forgetThreshold`	`0.5`	0.05–3	低于此强度进入清理；重要度 ≥4 免疫
`sensoryCapacity`	`7`	3–9	感觉槽位
`sensoryTtlMs`	`2000`	200–60000	感觉痕迹存活
`workingCapacity`	`7`	4–7	话题栈深度
`topK`	`6`	1–20	recall 返回条数
`autoImportanceMin`	`3`	1–5	自动捕获门槛
`backupCount`	`7`	1–50	备份轮转保留数
`idleConsolidationHours`	`12`	0–240	夜间/空闲自动巩固间隔
`minConsolidationAgeHours`	`6`	0–720	巩固时跳过的年轻记忆
`autoDecayMinutes`	`30`	0–1440	自主遗忘扫描间隔：到点自动 `decayPass()`，弱记忆进 `archive.json`；`0` 关闭
`activityLimit`	`240`	20–2000	活动流保留条数（3D / 仪表盘的事件源）
`vector.enabled`	`false`	—	开启后 recall 额外加向量相似度 0.3
`vector.provider`	`hash`	`hash`/`lancedb`	`lancedb` 需自行 `npm i @lancedb/lancedb`；该分支只把数据库打开成扩展点，打分仍是内置余弦，模块缺失时自动降级并写入 `warnings`
`demoSeed`	`false`	—	空库时灌入 20 条演示记忆

数据目录优先级：显式 dataDir > DEEPSEEK_BRAIN_DIR 环境变量 > ~/.deepseek-brain。

落盘结构

~/.deepseek-brain/
├── episodic.json      # {version, items:[…]}
├── semantic.json      # {version, items:[…], aliases:{别名: 主体}}
├── procedural.json
├── stats.json         # counters / lastSleepAt / remembersByDay
├── archive.json       # 遗忘与手动删除的只增档案
├── backups/           # 每个文件的最近 7 个版本
│   └── episodic.json.2024-10-30T12-00-00-000Z.bak
├── snapshots/         # brain_snapshot 的 Markdown 档案
└── vectors/           # 可选向量索引（默认不生成）

6. 可视化

6.0 不装插件也能先看

node tools/serve.mjs --demo        # → http://127.0.0.1:7801/deepseek-brain/
# 等价：npm run serve

6.1 对话内：`brain_visualize`

6.2 记忆观测仪（仪表盘）

概览 VITALS：脑区度数表（五层的条数/占比/平均强度）+ 14 天生命体征示波器（新增/遗忘/巩固/巩固次数四条迹线）+ 读数板（λ、半衰期、遗忘阈值、Pinned 条数、数据目录、备份数、向量索引、当前会话）+ 检索台（真正 POST /api/recall，把分数四分量列出来）。
编年史 CHRONICLE：右上角「归档区」按钮打开归档抽屉——遗忘、清理、手动归档的记忆都在里面，可按关键词与层级筛，点「取回」就回到原来的层继续参与检索与衰减；勾选多条可以「取回选中 (n)」，取回后 8 秒内还能「撤销取回」把它送回归档区。等宽表格虚拟滚动，每条给出「强度预报」——还剩 31.2 日 · 强度 0.50 或 免疫 · Imp 5，直接读服务端 forgetInDays，不在前端重算公式。点任意一行打开版本链抽屉：v1 … vN 分开标注当前版与 [已修正]，点开看那一版当时的字段；恢复此版本 对情景/程序走 PATCH api/memories/:id（历史另存一版，不覆盖），对语义事实走 POST api/conflicts/:id/restore。
纤维追踪 TRACTOGRAPHY：力导向的语义纤维束，主体/客体分级着色，[已修正] 用虚线束；右侧实体档案按度数排序，点实体列出它的全部事实；再下方是废弃事实面板——按「主体 → 关系」聚合被修正的旧值，每个槽位保留最近 1 条，多出来的点一下就软归档到 archive.json（可先看「可归档 K 条」再动手）。
衰减实验 DECAY LAB：左侧时间转盘（±30 天）真的会 GET /api/state?at=，右侧强度曲线族按当前 λ 画出每条记忆的衰减轨迹与阈值穿越点，右下是遗忘预报清单（按 forgetInDays 升序）。

API 挂在 /deepseek-brain/api/*，契约见 docs/API.md：

GET  /api/state?at=   GET /api/activity?since=   GET /api/health
GET  /api/export.json GET /api/snapshot.md       GET /api/conflicts
GET  /api/archive?q=&layer=&limit=                GET /api/memories/:id
POST /api/remember    POST /api/forget   POST /api/sleep   POST /api/decay
POST /api/recall      POST /api/working/push
PATCH|POST /api/memories/:id            # 就地修订（importance / 字段 / 语义 object）
GET  /api/memories/:id                 # 版本链 v1…当前
POST /api/conflicts/:id/restore         # 把 [已修正] 的旧值放回生效位
POST /api/conflicts/prune               # 每槽留 N 条旧值，其余软归档（keep / dryRun）
POST /api/archive/:id/restore           # 从归档区取回一条，回到原来的层
POST /api/archive/restore                # 批量取回 { ids: [...] }，缺失的 id 进 missing
POST /api/archive/:id/undo               # 撤销刚才的取回，重新归档（reason: undo）
POST /api/import                        # 并入另一份 export，只做加法

全部端点带 Access-Control-Allow-Origin: *，方便单独打开的 HTML 直接连。

观测仪 · 概览

编年史	纤维追踪

编年史 · 版本链抽屉

纤维追踪 · 废弃事实面板

编年史 · 归档区抽屉

衰减实验	手机（390 px）

6.3 3D 记忆观测仪

web/brain-3d.html：开发版，vendor/three.global.min.js 外链，作为插件静态资源由 /deepseek-brain/brain-3d.html 提供，读实时 /api/state。
dist/deepseek-brain-3d.html：构建产物，three.js 内联进同一个文件，双击即开、离线可用，此时用内置 20 条演示记忆。

node tools/build-3d.mjs      # 生成 dist/deepseek-brain-3d.html

这台仪器做什么（不是装饰动画）

屏幕上的东西	背后的真实运算
每枚 engram（记忆痕迹）一颗多棘核	一条真实记忆。核的尺寸 ∝ `importance`、亮度 ∝ `salience`、棘丝条数 ∝ 重要度、棘长 ∝ `strength`；全部由 `api/state` 的同名字段驱动
五层形态不同：感觉=彗星、工作=环链、情景=多棘星、语义=晶格、程序=双楔	层的语义差异；语义晶格的连线是真实三元组与共享实体的边
核的位置永远固定	FNV-1a 确定性寻址（见 `docs/API.md` §7）：同一条记忆每次刷新都落在同一格，你看到的刻度可被复现
点击任何一枚 → 右侧「目镜」	弹出该条记忆的完整字段：`id / slot u,v / 盘内 r,θ / anchor / ageDays / strength / salience / hits / ts / 遗忘预报`
目镜里的「修订史 v1…vN」	`GET /api/memories/:id` 的版本链：点开任一版看它当时的字段，`恢复此版本` 会再压一版而不是覆盖历史；`重要度 −/+` 走 `PATCH`
底板上的「时间切片」与转盘	拖动即 `GET /api/state?at=±Nd`，整具标本按那一时刻重新计算强度，随时可回到 `now`
顶栏 `事件序号`、观测条脉冲	`GET /api/activity?since=` 的增量：Agent 每次检索/写入/遗忘都在标本上打出一次脉冲
检索台	真的 `POST /api/recall`，命中项按 `score` 亮起并连出白质纤维束
检索时的「聚光」	`setFocus(hits)` 记下命中 id 与命中簇质心：2.6 s 内命中 engram 朝质心收 `0.50·sin(πt/T)`、非命中向外让开 `0.22` 并压暗，同时一圈 `LineLoop` 朝向相机亮灭。只改显示位移，`slot u/v` 不动——目镜里读到的永远是确定性寻址的槽位坐标
左栏底部的「关注 / 最相关」与层间光晕	活动流折算出的话题热度：写入 `+1.6`、检索 `+1.1×score`、修正 `+1.2`、睡眠 `×0.62`，32 s 半衰期衰减。热度分两级——层热度决定解剖锚点处的光晕，单条热度（`APP.heatK[id]`）决定那一枚 engram 的亮度。另有一条独立的相关度通道（`APP.relK[id]`，半衰期 128 s）：检索命中按 `score` 记下「有多像」，只影响 engram 的轮廓硬边，不影响亮度。于是「最近被想起」与「最相关」可以指向不同的两条，读数里分别写「关注：…」与「最相关：…」
左栏「检索史」	最近 12 次 `recall` 的时间条：每行是 `时:分[:秒] · 查询 · 命中层三色刻度 + 命中数`。点一行就重放那次检索——聚光圈、命中收拢、白质纤维束全部按当时的 hits 重跑一遍，`APP.queries` 里存的是 `{id, layer, score}` 原始载荷
舞台左下角「关联图」	中心是查询、四周是命中：连线粗细与节点半径按 `score`，节点色是层色，虚线外圈标「这次新出现的命中」。下方一行与上一次同话题检索对比：`+N 新命中 · −M 落空 · =K 保留`（同话题判定 = 空格分词的共享实词比例 ≥ 0.25，并把共同词写出来）
悬停关联图上的命中节点	图上一点 ↔ 脑里一枚：把鼠标移到关联图的节点上，标本里对应的那枚 engram 被顶到最亮（`hi = 1`）、其余压暗（`dim = 0.92`），浮卡底部同时给出 `层 · 标题 · score`；移开即恢复。浮卡本身 `pointer-events:none`，只有节点吃指针，所以不会挡住标本拖拽
检索史下方的时间轴	一根 `range` 把最近 12 次检索当成可拖的时间：拖到两帧之间就按权重插值出一次「中间检索」（`score × (1−f)` 与 `score × f` 取并集），聚光被锁在 `hold` 状态不自行熄灭；松手吸附到最近一格并重放那次的纤维束与聚光。读数写作 `50% · 支付流程评审`
检索史顶部的节奏条	相邻查询的间隔先 `log1p(Δt/1s)` 压缩再累加成横坐标：连着追查的几次会挤成一簇，隔几分钟才想起一次的会被拉开——横轴不是等距时间，而是「节奏」。每根刻度的高度随命中数、颜色取首个命中的层色，当前项加粗；下方读数给出 `跨度 / 次数 / 最长停顿`
刷新后检索史还在	连上服务端时 `loadHistoryFromActivity()` 拉 `api/activity?since=0&limit=200`，把其中 `kind === "recall"` 的事件重建成 `{at, q, hits}` 填回 `APP.queries`（同一秒同一句去重、上限 12 条）。边界：活动流是进程内日志，所以这件事跨刷新、不跨服务重启
进程世代标记	`ActivityLog` 构造时生成 6 位短 id，`MemorySystem.init()` 里的 `stampBoot()` 把它写进 `stats.json` 的 `boot: {id, count, since, previous}`（同一数据目录每启动一次 `count` +1），`/api/activity` 一起返回 `boot / bootCount / bootSince`。前端把 boot 存进 `localStorage.brain3d.boot`，下次连上时比对：一致显示 `进程 xxxxxx · 第 N 次启动`，不一致显示 `新进程 xxxxxx · 第 N 次启动 · 历史已重置`
快照里的「最近活动」	`exportJson()` 的 `activity: {boot, generation, seq, events[]}` 与 Markdown 快照末尾的 `## 最近活动 · 进程日志` 表，都是 `activityDigest()` 从活动流折出来的「刚才在查什么」。它只读、不参与合并（导入时被忽略），所以跨设备移植时上下文一起带走，记忆本身不会被污染
只读横幅	`/api/state` 带 `readOnly` 与 `lock`（持有者 pid）；只读时顶栏一直亮着 `只读 · 数据目录被 pid N 占用`，持有者退出、`handoverMs` 到点自动接管后自动消失。写请求期间会拿到 503 `read-only`，不会假装成功
两个实例共用一条活动流	持锁进程把每条事件追加到 `activity.jsonl`（上限 400 行）；只读实例启动时读进内存（`hydrate`），之后每次 `GET /api/activity` 与每条 SSE 连接每秒一次的 `syncActivityFromDisk()` 里用 `ActivityLog.ingest()` 追平——新事件同时推给订阅者，所以只读窗口的 3D 动画也由持有者的动作驱动。只读实例自己不写盘，接管后才接上落盘钩子
数据目录独占	`Store.acquireLock()` 用 `wx` 在数据目录写 `brain.lock`（pid / 时间 / 主机名）。抢不到锁先排队（`lockWaitMs`，默认 8 s），等到就重读磁盘再继续；等不到则以只读启动——`/api/health` 报 `readOnly: true` 与持有者 pid，写请求回 `503 read-only`，前端提示「只读：数据目录被另一个进程占用」。只读实例还有后台接管轮询（`handoverMs`，默认 20 s）：前任进程一退出，它自己升级成可写、重读磁盘、记一次新世代。陈锁（pid 已死或超过 6 小时）会被直接接管
清空时的收拢	`reset` 事件到达后，每枚 engram 沿自己的扇区角度（`archiveAngle(layer, slot.u)`）飞回归档环并缩小淡出，环上再扫一圈光；1.45 s 后本地热度/相关度/检索史一起归零，服务端此时已是空结构
「睡眠 / 衰减 / 遗忘」压印按钮	真的 `POST /api/sleep`、`/api/decay`、`/api/forget`，迁移与归档在标本上留下路径与残影
归档环里的往返	底板外环按五层切成五段扇区（每段用该层染料，扇区中点常显「感觉 / 工作 / 情景 / 语义 / 程序」小字——标签方向跟着相机转，但半径固定在标本外圈，所以任何方位角下五个都在、互不遮挡），`forget` / `decay` 让 engram 缩着飞向自己那一段；`restore` 沿同一路径长回来，`undo` 再反向飞出去——落点由 `archiveAngle(layer, slot.u)` 决定，不是随机角度

三种模式：观测（全景标本）、目镜（选中单条记忆的切片）、剖面（切开半球看深部结构）。

剖面不是隐藏半个半球：一块真裁剪面（renderer.localClippingEnabled + THREE.Plane）从额极以缓动扫到纵裂，切到哪儿皮质就少到哪儿；切面行进时内壁的雾状背面同时收暗，切面读成一张干净的薄片。相机同时用 1.05 s 飞到侧位，退出剖面自动飞回全景。
检索沿白质纤维束跑：脉冲头前面走，走过的路段留下一条渐隐的尾迹（单 LineSegments 动态缓冲，depthTest:false，所以能透过皮质看到），海马索引环先被点亮一整圈，再按 score 从束上不同高度剥出侧支——越靠后越细越短，不是终点放烟花。
目镜的「记忆原文」：情景记忆给的是当初那句话（事件正文 + 地点 + 细节引文 + T / WHERE / WHO / FEEL 四格）；语义记忆给 主体 → 关系 → 客体 的三段式与 [已修正] 血缘；程序记忆给规则原文与命中次数。下面才是寻址与分解数字。

剖面（裁剪面扫到纵裂）	检索轨迹与目镜

手势（Pointer Events，鼠标与触屏同一套）

操作	鼠标	触屏	效果
旋转	左键拖拽	单指拖拽	360° 环绕标本
缩放	滚轮	双指捏合	拉近看脑沟回与棘丝
平移	右键拖拽	双指拖拽	平移视点
选中	单击 engram 或左板层名	单指点选	相机飞入 + 目镜展开该条记忆
复位	`Esc` / 「全景」	收起目镜	回到全景

3D 记忆观测仪

手机（390 px，真 device metrics）

几何与脑区映射（BRAIN = {AX 1.40, AY 1.46, AZ 2.02}）

皮层不是一颗椭球，而是 四叶 + 三个极部 的隐式场并集：LOBE_C 里额 [0,0.06,0.50, 0.86,0.84,0.80]、顶 [0,0.26,-0.20, 0.92,0.92,0.72]、枕 [0,-0.06,-0.68, 0.78,0.64,0.50]、颞 [-0.66,-0.30,0.10, 0.50,0.40,0.72]（按半球镜像）给主体，另加额极 [0,-0.02,0.88, 0.46,0.42,0.30]、颞极 [-0.56,-0.34,0.66, 0.33,0.27,0.28]、枕极 [0,-0.02,-1.00, 0.36,0.30,0.24] 三个更小更靠外的椭球；polynomial smooth-max（k = 0.115）做圆角并集，再沿每个顶点方向二分 16 次求边界半径 lobeRadius()，归一化按三轴分别做（LOBE_K = {x,y,z}，各自取该轴正负向上 lobeRadius 的最大值求倒数）——之前用「所有方向的最大半径」统一去除，等于把极部的收窄又按比例缩放回去；分轴之后额极/枕极的细瘦是形状本身的性质。极部因此是锥形收口，不是两块等高的球面。
两个闭合半球：内侧顶点被 softMax 折到 x ≈ ±gapHalf 的墙面上，两壁之间是真缝（纵裂）；脑底面在颅底处压平（py < -0.30 后的 0.58 折减）。
沟回由带分叉的一级沟骨架树驱动：SULCI 里的 18 条折线（中央沟主干 + 上支 + 下支、中央前/后沟、外侧裂主干 + 升支 + 后支、额上/额下沟、顶内沟、顶上沟、顶枕外侧支、颞上/颞下沟、顶枕沟、距状沟、扣带沟）都定义在单位球方向空间；每个顶点一次遍历算出到最近骨架的角距离 d1、到次近骨架的 d2 与按 w=exp(−(d/0.30)²) 融合的相位——
- 一级沟：d1≈0 处按各自宽度开深槽 exp(−(d1/w)²)·depth；
- 次级沟：相位 = 加权平均的 (弧长·1.05 + d·17.0)，所以脑回走向在两条沟的势力边界上是平滑过渡的，不会突然换向；
- 三级沟：同相位倍频 2.6×，压掉同心圆；
- 极部短支（rontal-pole-a/b、 emporal-pole、occipital-pole）只负责开槽、标了 phase: false，不参与相位融合——第一版忘了这一步，极部确实折进去了，但整颗脑也被抹平成光面。
Voronoi 顶冠：wall = exp(−((d2−d1)/0.055)²) 在两条沟的分界线上把皮层抬起来，于是两沟之间是圆隆的脑回顶，而不是平台；
- 叶区调制：相位再乘一个由前后位置决定的 gf = 1 − 0.15·smoothstep(0, 0.90, pz) + 0.20·smoothstep(0.10, −0.85, pz)——额极更宽（gf≈0.85）、枕极更细（gf≈1.20），治掉原先「脑回宽度整齐划一」的塑料感。合成 bump = (1−sul)·0.55 + 0.45·warpA + 0.18·wall，disp = 1 + 0.094·bump − 0.118·sul。中央沟与外侧裂因此是真正的分叶深沟，不是画上去的线。
竖屏按 fit = clamp(1.02/aspect, 1, 1.56) 把标本拉远；画布宽度小于 720 px 时不再画归档扇区标签（与左栏五区标签重名）。
半球细分 seg: [224, 168]（低画质 [104, 80]），约 10 万顶点/半球；加载时一次性算完位移与顶点色，桌面端 DOMContentLoaded ≈ 1.2 s。
颅顶弧线单列一条：y -= 0.125 * smoothstep(0.18, 0.98, |pz|) * lobe，中段最高、额极与枕极一起下沉；同时 x *= 1 - 0.13*smoothstep(0.34,1.0,|pz|) 让极部收窄，从上方看是卵形而不是跑道形。
小脑是两半球 + 蚓部三个网格（共用一份叶片条纹几何），脑干与桥脑独立。
沟底偏冷、回冠偏暖：COL_DEEP 从 #1b1d1e 抬到 #26282b，再按 0.045·sul^1.8·(1−crown) 给暗部加一点冷灰（第一版给了 0.16，沟里直接亮成蓝血管，被自己否掉了）——暗部于是透得出结构，而不是一片死黑。- 简化：tools/qem.mjs 的二次误差（quadric error）边折叠——顶点聚类只作为对齐的中间步，真正的简化按「删掉这条边会带来多少体积误差」从小到大折叠，沟壁、脑回顶和平面因此被保住；折叠后再叠 5 轮拉普拉斯平滑收掉残留毛刺。
分级 LOD：web/brain-mesh.js 90k 三角（默认档）/ web/brain-mesh-low.js 24k（低画质档与窄屏），加载时按 QUALITY.low 选择；两份都内联进单文件构建。
对比度：解码时统一套 CONTRAST = { gain: 1.34, bias: -0.02, scale: 0.52 } 这条曲线——顶点色是按无光照烘焙的，直接喂给标准材质会发白。
热切换：setCortexLod(level) 按 pickLod() 挑档（QUALITY.low 或 innerWidth < 900 用 24k 版），两档几何都缓存在 cortexLod.cache 里，切换只换 mesh、不重新解码；resize 去抖 260 ms 后自动重挑，也可用 window.__setCortexLod("low"|"high") 手动切。

真皮层网格（CC BY 4.0）

皮层几何不再是程序化生成的近似，而是 真实的 MRI 重建表面：

来源：Thomas Habets, brain (https://github.com/ThomasHabets/brain)，数据部分许可 CC BY 4.0；
处理：tools/fetch-brain-mesh.mjs 取 tar.gz → tools/bake-brain-mesh.mjs 顶点聚类抽稀（59,342 三角 / 22,749 顶点）、拉普拉斯平滑 5 轮、轴变换（FreeSurfer RAS → 本项目 X 左右 / Y 上 / Z 前后）、量化 + gzip → web/brain-mesh.js（628 KB base64）；
回退：浏览器缺 DecompressionStream、数据加载失败或使用 ?proc=1 时，仍用原来的程序化半球（SULCI 22 条骨架那套），不会白屏；
署名：单文件版本内嵌同一份网格，使用时请保留本段与 docs/RELEASE.md 中的署名。

注意：真网格与程序化半球的坐标一致（世界包围盒 x ±1.41 / y ±1.22 / z ±2.02），所以 engram 的确定性槽位、剖面裁剪、归档环都不用改。

回冠高光：顶点色里给「不在沟里 + 正对主光 + 隆起」的顶点加 0.34·crown （crown = (1−2.2·sul)^1.5 · lam^2.4 · (0.55+0.45·bump)），暖色偏移也跟着它走—— 远看时脑回顶有一道细亮边、沟底仍是墨色，整体不再像蜡模。
皮层用 MeshStandardMaterial 承接真实定向光（key/fill/rim 三灯 + 半球光），顶点色承载沟回的「沟底变暗」；engram 用 depthTest:false 的 X 光叠加，所以能隔着皮质看到深部结构——这是仪器语义，不是穿模。
剖面切面是解析式着色器：vUv 上算灰质带（smoothstep(rim-0.19, rim-0.05, r)）、皮质-白质交界亮线、胼胝体弧、穹窿、侧脑室、基底节，再叠一层 hash 颗粒与沿灰质带的沟刻痕；不经过纹理，所以没有色彩空间损耗。
检索束是屏幕空间加粗管线：每段生成 6 个顶点（两个三角形），顶点着色器把端点投到 clip space、按屏幕法向撑开 aWidth 像素，宽度沿尾迹衰减；单 Mesh + 动态缓冲，depthTest:false，能透过皮质看到整条束。
五个脑区锚点：感觉 (-0.42, 0.86, 1.12)、工作 (0.48, 0.34, 1.60)、情景 (-0.88, -0.30, 0.14)、语义 (1.14, -0.40, 0.06)、程序 (-0.30, -0.12, -0.28)；半径 .34/.30/.26/.38/.22。

检索束（加粗管线，命中瞬间）

凑近看皮层（沟回沿一级沟骨架铺开）

性能（目标 60 fps，含移动端）

手段	说明
实例化 engram 核	每层一个 `InstancedMesh`（上限 512），一次 draw call 画完整层；尺寸/亮度/明暗走实例属性，不在帧内重建几何
线条合并	纤维束、环、刻度全部并进一个 `LineSegments`（`LINE_SEGS` 上限），一次提交
脉冲池	检索/写入的激活脉冲是固定容量的 `Points` 池，循环复用，绝不 `new`
零帧内分配	渲染循环复用模块级 `Vector3`/`Color` 临时量
拾取开销	射线只与每层的 picked proxy 求交，不打高面数皮质
画质分档	`hardwareConcurrency ≤ 4 / dpr×width > 2600 / 视口短边 < 720` 时降级：关抗锯齿、`pixelRatio` ≤ 1.5、分段 96×72、关菲涅尔壳与颗粒
离屏暂停	`document.hidden` 时停渲染，轮询也暂停
抗抖动	惯性阻尼；`prefers-reduced-motion` 下镜头跳切、不做长动画
调试	按 `d` 显示 HUD：draw calls / triangles / 帧耗 / 实例数

7. 测试与调试

node --test test/            # 62 个用例：分层算法 / 存储 / 记忆系统 / HTTP API / 活动流 / 插件契约 / 前端产物
node tools/demo.mjs          # 灌入 20 条演示记忆并打印脑图
DEEPSEEK_BRAIN_DIR=/tmp/brain node tools/demo.mjs   # 用临时数据目录，不碰真实记忆

用例覆盖：

文件	覆盖
`test/layers.test.js`	实体抽取、注意闸门、话题栈与小话题过滤、情景衰减与钉住、语义别名/冲突历史、程序记忆去重、巩固摘要、检索权重、ASCII 对齐、Markdown 档案
`test/store.test.js`	原子写、备份轮转上限、损坏文件隔离与恢复
`test/memory.test.js`	落盘/重启后记忆存活、观察闸门、recall、软删除、衰减清理、睡眠巩固、`apiState` 契约、演示数据、prompt 块、配置夹取
`test/activity.test.js`	活动流：seq 单调、payload 不能伪造 `seq/kind`、未知 kind 回退、环形缓冲上限、`since()` 只返回增量
`test/server.test.js`	全端点、CORS/预检、静态资源、路径穿越拒绝、坏 JSON 结构化报错、`salience` 派生、时间旅行、`forgetInDays` 预报、`POST /api/recall`
`test/plugin.test.js`	cordis 契约、15 个工具 schema 只使用 DSH 支持的 JSON Schema 子集、端到端工具调用、`session/event` 捕获、prompt 注入
`test/frontend.test.js`	两个页面无远程依赖、内联脚本可编译、3D 页引用 vendor + `api/state` + 五层名称、`dist` 单文件把 three.js 内联且无外链

调试入口：

GET /deepseek-brain/api/health：数据目录、各层条数、备份数、向量状态、warnings。
脑图底部「记忆健康面板」就是同一份统计的可读版。
想看某条为什么被召回：recall 的 parts 里有 keyword / importance / freshness / vector 四个分量。
想看引擎刚刚做了什么：GET /api/activity?since=<seq>，观测仪底部的「活动记录」就是它的渲染。
想验证遗忘：GET /api/state?at=%2B30d 看 forgetInDays 归零的那几条，再 POST /api/decay 让它们真的进归档。
插件初始化失败不会炸掉会话，错误进 memory.warnings 并在 api/health 里可见。

7.1 本机实测记录

项	结果
`node --test test/`	62 pass / 0 fail
真实安装	`dsh plugin --profile brain-selftest add ./deepseek-brain` → pnpm link 成功，`dsh.profile.bundles` 自动写入 `deepseek-brain`，`dsh --dump-config` 出现 `- id: deepseek-brain`
真实 HTTP	`dashboard.html` / `brain-3d.html` / `vendor/three.global.min.js` / `api/state` 全部 200，`api/state` 10 KB（v2 增加了 salience/预报/活动序号），regions 计数与库内条数一致
真实检索	`POST /api/recall {"query":"张伟会议排期"}` → 3 命中，top 0.624，`tookMs` 实测 31–46 ms；活动流里同一条事件带回 `parts/strength/title`，所以别人的检索在观测仪上也不是空条
遗忘预报	importance 1 的新条目 `forgetInDays = 13.86`；`?at=%2B10d` 后同一条变 `3.86`；`importance ≥ 4` 一律 `null`（pinned）
20 天剧本（λ=0.08）	sleep `{"migrated":3,"compressed":0,"pruned":0,"digests":0,"kept":9}`，重载后 episodic 9 条、archive 与 backups 一致
3D 交互	CDP 真实点击 engram：相机飞入 + 目镜列出 `id / slot u,v / 盘内 r,θ / anchor / ageDays / strength / salience / hits / ts / 遗忘预报`；`飞入 / 检索轨迹 / 遗忘此条` 三个按钮均打到真实端点
移动端	390×844（CDP `Emulation.setDeviceMetricsOverride`）下观测仪四页无横向溢出、3D 竖屏不裁两颞侧，目镜改为底部抽屉

3D 页另外有一份离线冒烟：web/brain-3d.html 复制到没有 vendor/ 的目录会显示可读错误卡而不是白屏。

8. 目录

deepseek-brain/
├── cordis.patch.yml          # DSH bundle 插入声明
├── package.json              # main: lib/index.js, dsh.bundle.patch
├── lib/
│   ├── index.js              # 插件入口：15 个工具 + prompt 注入 + 事件捕获 + Web 挂载 + 自主遗忘定时器
│   ├── memory.js             # MemorySystem：五层编排、配置、状态、prompt 块、演示数据、遗忘预报
│   ├── store.js              # 原子写、备份轮转、损坏恢复
│   ├── sensory.js            # 感觉缓冲 + 实体抽取 + 注意闸门
│   ├── working.js            # 话题栈 + 话题检测
│   ├── episodic.js           # 情景记忆 + 指数衰减
│   ├── semantic.js           # 三元组图谱 + 别名合并 + 冲突修正
│   ├── procedural.js         # 规则/习惯
│   ├── retrieval.js          # 检索引擎与分数拆解
│   ├── consolidation.js      # 睡眠式巩固
│   ├── activity.js           # 认知活动流（3D / 观测仪的事件源）
│   ├── vector.js             # 可选向量召回（hash / lancedb）
│   ├── render.js             # ASCII 脑图与健康面板
│   ├── snapshot.js           # Markdown 记忆档案
│   └── server.js             # 观测仪 + JSON API（含 ?at= 时间旅行与 /api/recall）
├── web/
│   ├── brain-3d.html         # 3D 记忆观测仪（开发版，外链 three）
│   ├── dashboard.html        # 记忆观测仪（单文件）
│   └── vendor/               # three.js 全局构建
├── dist/deepseek-brain-3d.html  # 单文件 3D 观测仪（构建产物，three 内联）
├── tools/                    # serve（本地预览）/ demo / build-3d / build-global-three
├── test/                     # 61 个 Node 原生测试
├── docs/
│   ├── API.md                # 前端契约 v2.1（端点 + state 结构 + 确定性 engram 寻址）
│   ├── DESIGN-v2.md          # 观测仪设计说明：形态学、色彩、排版、事件编排、性能预算
│   ├── EXAMPLES.md           # 示例：记忆 / 检索 / 可视化 / 观察大脑正在想什么
│   └── screenshots/          # 观测仪四页、3D 目镜与移动端截图

9. 边界

记忆只存在本机，插件不做任何网络请求；观测仪监听 127.0.0.1。
自动捕获有闸门（问候、过短、纯提问不写入），避免垃圾记忆污染；仍建议用 importance 与 brain_forget 维护。
遗忘是真的：autoDecayMinutes（默认 30）到点自动 decayPass()，跌破阈值的记忆移入 archive.json；3D 里那枚 engram 会随之消失，而不是只变暗。
vector 默认关闭。hash provider 只是字符级哈希相似度，不是真正的语义嵌入；接 LanceDB 时可以注入自己的 embedding。
Windows 上文件写入走「删目标再 rename」的回退路径，极端断电窗口内可能丢一次写入，但有备份兜底。
3D 页面在 file:// 下无法访问 API，会自动切到内置演示记忆；实时数据请走 brain_dashboard 给出的 URL。
3D 皮质是程序化近似，不是医学模型：叶形来自四椭球并集，沟回来自 22 条一级沟骨架（含四条极部短支）（含分叉）+ 平行相位 + Voronoi 顶冠；一级沟的位置是手调的近似解，脑回在顶叶与颞叶交界一带仍偏放射状，额极/枕极偏圆钝，小脑叶片仍是正弦条纹；远看合格，贴近看依然是「生成物」。engram 用 X 光叠加（depthTest:false）是刻意的仪器语义，不是穿模。
曾尝试用同一高度场烘焙切线空间法线贴图来补近距离细节，已放弃：次级沟在球面 UV 上的周期只有约 6 px，224/320 分辨率下会采样出摩尔纹，画面变成一片「鳞片」；真要做需要位移贴图 + 三平面投影，成本远超收益。现在靠 224×168 细分 + 顶点位移解决轮廓，近看仍是光滑的。
时间旅行只重算强度与预报，不会真的把记忆写回过去；?at= 是只读的时间切片。
Windows PowerShell 的 Invoke-RestMethod 默认按 ANSI 发 body，中文会变成 ??；用 [Text.Encoding]::UTF8.GetBytes($body)（见 docs/EXAMPLES.md）。
390 px 下观测仪把左侧脑区表收成横向条、把目镜改成底部抽屉；3D 页在竖屏会把标本按比例拉远，避免裁掉两颞侧，代价是上下留白。

MIT License.

附录 A · 截图一览

全部 1600×1000（移动端为 390×844 真机视口），存在 docs/screenshots/。

文件	看什么
brain3d.png	默认视角：22 条一级沟骨架、回冠高光、五层锚点与环绕的归档环
brain3d-detail.png	拉近：沟底冷灰 / 回冠骨白，极部短支切出的折痕
brain3d-eyepiece.png	目镜：一条记忆的原文、字段、确定性槽位与遗忘预报
brain3d-revisions.png	目镜里的修订史：v1…vN 芯片 + 该版字段
brain3d-focus.png	检索聚焦：命中收拢、非命中让开、一圈朝向相机
brain3d-heat.png	话题热度：层光晕 + 最热那条 engram 的读数
brain3d-recall.png	检索尾迹与侧支（白色索引环 → 命中）
brain3d-history.png	左栏检索史：最近 12 次查询 + 命中层刻度
brain3d-rhythm.png	检索节奏条：log1p 压缩后的爆发与长停顿
brain3d-timeline.png	时间轴拖拽：两段检索之间插值出的聚焦
brain3d-graph.png	查询-记忆关联图：中心查询、四周命中、与上次对比
brain3d-hover.png	图上悬停 → 脑里对应的那枚 engram 高亮
brain3d-archive-ring.png	归档环的五段扇区与常显小字
brain3d-restore.png	取回：engram 从环上沿尾迹长回自己的槽位
brain3d-reset.png	清空瞬间：所有 engram 收拢回归档环
brain3d-section.png	剖面：真裁剪面推进 + 灰白质分层着色
brain3d-readonly.png	只读实例的常驻横幅（另一个进程持有数据目录）
brain3d-boot.png	检索史的世代标记：进程 xxxxxx · 第 N 次启动
brain3d-shared-activity.png	只读窗口收到持有者的检索：同样出聚焦与 toast
brain3d-mobile.png	390×844：竖屏取景与底部抽屉
dash-vitals.png	观测仪 · 概览：脑区度数、生命体征示波器、读数板
dash-chronicle.png	观测仪 · 编年史：等宽表格、强度预报、两步归档
dash-tractography.png	观测仪 · 纤维追踪：力导向纤维束 + 实体档案 + 废弃事实
dash-decay.png	观测仪 · 衰减实验：时间转盘、曲线族、遗忘预报清单
dash-revisions.png	观测仪 · 修订抽屉
dash-archive.png	观测仪 · 归档区：多选取回与撤销
dash-deprecated.png	观测仪 · 废弃事实：每槽留 1 条，其余软归档
dash-reset.png	观测仪 · 清空大脑（含「已留底」提示）
dash-mobile.png	观测仪 · 390×844

Elias1222/deepseek-brain

deepseek-brain

1. 安装

2. 架构

与人脑记忆科学的对应

3. 三个使用示例

记住一件事

自动抽取的关系表

回忆一件事

查看大脑可视化

4. 工具与 System Prompt

5. 配置

落盘结构

6. 可视化

6.0 不装插件也能先看

6.1 对话内：brain_visualize

6.2 记忆观测仪（仪表盘）

6.3 3D 记忆观测仪

真皮层网格（CC BY 4.0）

7. 测试与调试

7.1 本机实测记录

8. 目录

9. 边界

附录 A · 截图一览

Community comments

Elias1222/deepseek-brain

deepseek-brain

1. 安装

2. 架构

与人脑记忆科学的对应

3. 三个使用示例

记住一件事

自动抽取的关系表

回忆一件事

查看大脑可视化

4. 工具与 System Prompt

5. 配置

落盘结构

6. 可视化

6.0 不装插件也能先看

6.1 对话内：brain_visualize

6.2 记忆观测仪（仪表盘）

6.3 3D 记忆观测仪

真皮层网格（CC BY 4.0）

7. 测试与调试

7.1 本机实测记录

8. 目录

9. 边界

附录 A · 截图一览

Community comments

6.1 对话内：`brain_visualize`

6.1 对话内：`brain_visualize`