人工智能RAGAgent 記憶MCP 服務(wù)知識管理【免費(fèi)下載鏈接】gbrainGarrys Opinionated OpenClaw/Hermes Agent Brain項(xiàng)目地址https://gitcode.com/gh_mirrors/gb/gbrain點(diǎn)擊查看免費(fèi)下載本指南講解 gbrain 中idea-lineage技能的設(shè)計(jì)與用法如何從大腦的筆記、對話、文章與會議記錄中重建某一個想法idea的完整演化路徑——首次出現(xiàn)、最佳表述、反復(fù)與矛盾、被放棄的分支以及當(dāng)前仍活躍的版本。讀完本文你將掌握該技能的適用范圍與邊界、五階段執(zhí)行流程、標(biāo)準(zhǔn)輸出格式與質(zhì)量規(guī)則并能結(jié)合倉庫源碼理解search、query、get_page、takes_search、find_contradictions、find_trajectory等底層操作在譜系重建中各自扮演的角色。這個技能解決什么問題大腦中沉淀的信息越多越難回答一個看似簡單的問題我對某件事的想法是怎么一步步變成現(xiàn)在這樣的 用戶通常想知道這個想法最早出現(xiàn)在什么時候它是在什么時刻變得清晰、完整的它取代了什么舊觀點(diǎn)和哪些別的想法沖突過哪些變體出現(xiàn)過又消失了現(xiàn)在仍然活著的版本是什么idea-lineage正是為這一類單想法single-idea概念譜系問題而生的技能它的定位明確區(qū)別于另外兩條路構(gòu)建整個概念圖譜那是concept-synthesis的職責(zé)以及繪制某個實(shí)體的指標(biāo)軌跡那是find_trajectory的職責(zé)。典型觸發(fā)語句來自 SKILL.md 的 triggers 與 canonical examplesRun idea lineage on founder-led sales.How has my thinking about compounding trust changed?What is my current version of this idea?Where did this idea come from, and what did I abandon along the way?Show reversals in my thinking about ...技能的 frontmatter 中還聲明了六個只讀工具search、query、get_page、list_pages、takes_search、find_contradictions、find_trajectory并標(biāo)記mutating: false——默認(rèn)模式下它絕不改寫大腦中的任何頁面。定位邊界它不是什么技能文檔用一個專門的 What this is not 章節(jié)來劃清邊界避免與相鄰能力混淆相鄰能力區(qū)別concept-synthesis該技能負(fù)責(zé)去重大量概念 stub、分級、撰寫概念頁、構(gòu)建宏觀知識地圖是批量改寫型技能mutating: true寫入concepts/而 idea-lineage 只服務(wù)單一想法且默認(rèn)只讀find_trajectory該操作按實(shí)體繪制類型化事實(shí)或事件行的時間線MRR、角色、地點(diǎn)、狀態(tài)等結(jié)構(gòu)化指標(biāo)不處理概念演化矛盾探針運(yùn)行器idea-lineage 只讀取已緩存的矛盾發(fā)現(xiàn)cached contradiction findings不會主動發(fā)起昂貴的探針掃描寫作模式默認(rèn)不是寫作模式除非用戶明確要求保存一份譜系頁面作為產(chǎn)物否則只給出只讀答案對照倉庫中的 concept-synthesis/SKILL.md 可以看到另一側(cè)的分工它從 signal-detector、idea-ingest、voice-note-ingest 等攝入管道產(chǎn)生的大量概念 stub 出發(fā)經(jīng)過 Jaccard 去重、子串去重、語義去重、打分分級T1 Canon 到 T4 Riff、LLM 綜合等階段把數(shù)千個原始概念頁收斂成一張策展過的知識地圖。一句話概括concept-synthesis 做廣與合idea-lineage 做單與沿。契約技能保證什么idea-lineage在執(zhí)行前承諾以下契約Contract 章節(jié)保持單一想法范圍。寬泛的語料掃描或 map my concepts 類請求必須路由給concept-synthesis而不是本技能。每條譜系結(jié)論都引用現(xiàn)存大腦證據(jù)頁面 slug、存在時的 source id、日期、以及短引文或片段。缺失的證據(jù)標(biāo)注為 gap證據(jù)缺口絕不編造貌似合理的故事去填補(bǔ)。矛盾、反轉(zhuǎn)、被放棄的分支與正常的時間演化嚴(yán)格分離。默認(rèn)只讀不修改大腦頁面。倉庫中還有一組路由測試樣例 routing-eval.jsonl恰好印證了這些契約的可測試性{intent:Run idea lineage on founder-led sales and show the earliest version,expected_skill:idea-lineage} {intent:Show how my thinking about compounding trust changed over time,expected_skill:idea-lineage} {intent:What is my current version of the invisible college idea?,expected_skill:idea-lineage} {intent:Where did this idea come from in my notes, and what did I abandon?,expected_skill:idea-lineage} {intent:Show reversals in my thinking about founder-led sales,expected_skill:idea-lineage} {intent:How has acme-example MRR trended since January?,expected_skill:null} {intent:Build my intellectual map across all my recurring frameworks,expected_skill:concept-synthesis}注意負(fù)例How has acme-example MRR trended since January?的期望技能為null——這是結(jié)構(gòu)化指標(biāo)軌跡問題應(yīng)走find_trajectory而非譜系而 Build my intellectual map 明確路由給concept-synthesis。這些樣例可以作為評估路由正確性的基準(zhǔn)夾具。五階段執(zhí)行流程技能的執(zhí)行被組織為五個階段從解析目標(biāo)到給出可操作的后續(xù)建議。Phase 1解析想法目標(biāo)Resolve the idea target用一句話重述這個想法。用search搜索精確短語的各種變體。對自然語言版本運(yùn)行一次語義query。當(dāng)想法有顯而易見的概念 slug 或標(biāo)題時用list_pages檢查概念頁。如果結(jié)果指向?qū)嶓w/指標(biāo)/狀態(tài)軌跡而不是概念則移交給find_trajectory或常規(guī)的 query/think 軌跡路徑。多義消歧如果多個不同的想法共用同一個短語必須先請用戶選擇意圖再開始綜合。這是防止譜系串線的關(guān)鍵閘門。Phase 2收集證據(jù)Gather evidence圍繞每個輸出桶output bucket收集足以支持或否決的證據(jù)帶日期和 source slug 的搜索分塊chunks。通過get_page獲取最相關(guān)概念頁、筆記、轉(zhuǎn)錄、會議、文章或項(xiàng)目頁的完整內(nèi)容。通過反向鏈接backlinks、relatedfrontmatter、或搜索結(jié)果中的反復(fù)共現(xiàn)發(fā)現(xiàn)相關(guān)概念頁。當(dāng)想法以信念、賭注、預(yù)感或被歸屬的聲明形式出現(xiàn)時用takes_search檢索 takes。當(dāng)用戶問到不一致、或搜索結(jié)果呈現(xiàn)明顯沖突時用find_contradictions讀取已緩存的矛盾發(fā)現(xiàn)。只有當(dāng)證據(jù)呈實(shí)體/屬性形態(tài)如與想法故事相關(guān)的角色/狀態(tài)/指標(biāo)演化時才使用find_trajectory。技能明確要求寧可要少量高質(zhì)量來源也不要一長串未經(jīng)整理的堆砌。當(dāng)片段暗示存在譜系里程碑時應(yīng)讀取完整頁面。Phase 3分類譜系時刻Classify lineage moments把證據(jù)歸類到七個桶中這是整個技能的分析核心首次提及First mention——想法出現(xiàn)的最早帶日期證據(jù)。最佳表述Best articulation——最清晰或最完整的表達(dá)不一定是時間上最新的。當(dāng)前活版本Current live version——最近的高權(quán)威、且仍處于活躍狀態(tài)的版本。反轉(zhuǎn)Reversals——用戶立場改變方向的地方。矛盾Contradictions——在同一時間或同一假設(shè)下無法同時為真的聲明必須與合理的時間取代temporal supersession區(qū)分開。被放棄的分支Abandoned branches——出現(xiàn)后又消失、失去支持或被明確拒絕的有前途變體。相關(guān)概念Related concepts——塑造或繼承了原想法一部分的鄰近想法。當(dāng)某個桶沒有證據(jù)時必須寫出 No clear evidence found并附上檢查了什么、缺什么的一行說明而不是用敘事去填補(bǔ)。Phase 4綜合譜系Synthesize the lineage按下方輸出格式作答并且綜合程度要與證據(jù)成比例。如果證據(jù)稀疏、雜亂或互相矛盾不要強(qiáng)行擬合出一條平滑的演化曲線——如實(shí)呈現(xiàn)混亂本身就是一種忠實(shí)。Phase 5建議可選的后續(xù)動作Suggest optional next action在答案末尾視情況提供一個具體跟進(jìn)項(xiàng)將譜系保存為大腦頁面僅當(dāng)用戶此前明確要求。如果用戶真正想要的是整體概念圖刷新建議運(yùn)行寬范圍的concept-synthesis。如果想法最終依賴結(jié)構(gòu)化實(shí)體事實(shí)建議運(yùn)行或查看軌跡數(shù)據(jù)。只有當(dāng)緩存的矛盾發(fā)現(xiàn)不足以支撐結(jié)論、且用戶明確想要更重的掃描時才建議運(yùn)行矛盾探針。標(biāo)準(zhǔn)輸出格式正常答案使用如下結(jié)構(gòu)來自 SKILL.md 的 Output Format 章節(jié)## Current Live Version [1-3 sentences. Include confidence: high / medium / low.] ## Lineage - First mention: [date] - [claim] ([source-id:slug], short quote) - Best articulation: [date] - [claim] ([source-id:slug], short quote) - Turning point: [date] - [what changed] ([source-id:slug]) ## Reversals and Contradictions - Reversal: [what changed, with before/after evidence] - Contradiction: [what conflicts, or No clear evidence found] ## Abandoned Branches - [branch] - [why it appears abandoned, with evidence] ## Related Concepts - [concept slug or title] - [relationship] ## Evidence Gaps - [bucket or claim] - [what was checked and what is missing]對簡短答案可以折疊部分小節(jié)但必須保持同樣的區(qū)分first mention / best articulation / reversal / contradiction / abandoned branch 等類別不可合并丟失。每一條非 gap 結(jié)論都必須引用來源。輸出格式的細(xì)節(jié)體現(xiàn)了技能的核心價值觀Current Live Version需要顯式給出置信度high / medium / lowEvidence Gaps是一個強(qiáng)制小節(jié)保證我不知道什么和我知道什么一樣透明。質(zhì)量規(guī)則與反模式質(zhì)量規(guī)則Quality Rules引用首次提及或最佳表述時引用精確原文Quote exact text。來源有日期就帶上日期沒有日期就寫 undated絕不猜測。用戶本人的直接陳述是最高權(quán)威用于判斷用戶當(dāng)前的立場。持有人歸屬的 takes 是該持有人的信念不自動等同于關(guān)于世界的、或關(guān)于大腦所有者的客觀事實(shí)。當(dāng)證據(jù)來自單一薄弱片段、無日期頁面或模糊語義匹配時把置信度標(biāo)為 low。當(dāng)搜索或頁面負(fù)載中包含 source id 時在引用中保留它。這套規(guī)則的底層依據(jù)可以在 docs/takes-vs-facts.md 中找到gbrain 有兩層認(rèn)識論存儲——takes 是誰在什么置信權(quán)重下相信什么的冷存儲多持有人kind 分為take/fact/bet/hunchfacts 是大腦所有者對話中實(shí)時捕獲的熱記憶event/preference/commitment/belief/fact/idea。譜系綜合時絕不能坍縮這兩層把某個持有人如people/alice-example的歸屬信念直接當(dāng)作大腦所有者的事實(shí)來陳述正是該技能要避免的類別錯誤。此外conventions/quality.md 還定義了引文格式與來源優(yōu)先級用戶直接陳述 編譯真理 時間線條目 外部來源技能文檔首部的 Convention 提示也指向這份文件。反模式Anti-Patterns對單一想法問題運(yùn)行concept-synthesis。把實(shí)體的 MRR、ARR、角色或狀態(tài)軌跡當(dāng)作概念譜系呈現(xiàn)卻不解釋二者的區(qū)別。把正常的時間演化誤判為矛盾。因?yàn)楣适聲腥ざ鴳{空編造被放棄的分支。未經(jīng)用戶明確指示就保存或改寫大腦頁面。在捆綁的 fixtures 或文檔中使用真實(shí)姓名、公司、基金或 fork 特有示例這也是本倉庫測試夾具全部使用acme-example這類占位名的原因。底層操作與源碼實(shí)現(xiàn)idea-lineage 依賴的六個工具中takes_search、find_contradictions、find_trajectory在倉庫中都有可定位的 MCP 操作實(shí)現(xiàn)了解它們的參數(shù)與行為有助于在實(shí)戰(zhàn)中精準(zhǔn)調(diào)用。takes_search歸屬信念的關(guān)鍵詞檢索實(shí)現(xiàn)位于 src/core/ops/takes.tsconst takes_search: Operation。它基于pg_trgm 三元組相似度對 take 的 claim 文本做關(guān)鍵詞搜索參數(shù)包括query必填匹配 take claim 文本的搜索詞例如valuation caplimit最大結(jié)果數(shù)默認(rèn) 30上限 100。它通過engine.searchTakes執(zhí)行并帶takesHoldersAllowList與readPolicyOpts做持有人與來源作用域過濾。在 idea-lineage 的 Phase 2 中當(dāng)想法以信念/賭注/預(yù)感/被歸屬聲明形態(tài)出現(xiàn)時takes_search是進(jìn)入誰、何時、以多大權(quán)重相信什么這一層的入口。同文件的takes_list還支持按holderworld|garry|brain|slug、kind、active、resolved、sort_by、limit/offset過濾可用于查看某個持有人對某想法的全部 takes。find_contradictions只讀緩存報告實(shí)現(xiàn)位于 src/core/ops/insights.ts。要點(diǎn)只讀取eval_contradictions_runs.report_json中最近一次運(yùn)行的結(jié)果不會觸發(fā)新的探針——與技能文檔 does not launch expensive probes 的定位一致參數(shù)slug子串匹配對中任意一側(cè)、severitylow/medium/high、limit默認(rèn) 20上限 100若 30 天內(nèi)沒有探針運(yùn)行返回空結(jié)果并提示先運(yùn)行g(shù)brain eval suspected-contradictions每個發(fā)現(xiàn)包含kind、severity、axis、confidence、兩側(cè)的{slug, chunk_id, take_id}以及resolution_kind/resolution_command。這條路徑讓 idea-lineage 能在不啟動重掃描的前提下把緩存中已標(biāo)記的矛盾納入Reversals and Contradictions小節(jié)。find_trajectory結(jié)構(gòu)化的實(shí)體時間線側(cè)信道同樣位于 src/core/ops/insights.ts參數(shù)entity_slug必填要繪圖的實(shí)體 slug如companies/acme-example、people/alice-examplemetric過濾到單一規(guī)范指標(biāo)如mrr、arr、team_size省略則返回全部kind按行形態(tài)過濾metric/event/all默認(rèn)v0.40.2.0 引入since/until對valid_from的時間窗口約束limit返回點(diǎn)數(shù)默認(rèn) 100上限 500。注意它特意沒有設(shè)置 localOnlyfederated OAuth 客戶端可以查詢其作用域內(nèi)實(shí)體的軌跡但引擎內(nèi)部會按 D-CDX-1 做可見性過濾遠(yuǎn)程調(diào)用者只能看到visibilityworld的事實(shí)。CLI 側(cè)還有對應(yīng)的gbrain eval trajectory命令src/commands/eval-trajectory.ts用法示例gbrain eval trajectory companies/acme-example gbrain eval trajectory companies/acme-example --metric mrr gbrain eval trajectory companies/acme-example --since 2026-01-01 --until 2026-07-31 gbrain eval trajectory companies/acme-example --json該命令會輸出按時間排序的聲明點(diǎn)、回歸標(biāo)記[REGRESSION ↓x%]與敘事漂移分?jǐn)?shù)?；貧w與漂移的計(jì)算邏輯集中在 src/core/trajectory.ts回歸檢測同一 metric 內(nèi)連續(xù)兩個值中新值比舊值低至少 10% 即觸發(fā)閾值可用環(huán)境變量GBRAIN_TRAJECTORY_REGRESSION_THRESHOLD調(diào)整默認(rèn) 0.10相對變化以abs(舊值)為分母從而正確處理負(fù)值指標(biāo)漂移分?jǐn)?shù)1 - mean(cosine(emb[i], emb[i-1]))鉗制在 [0, 1]少于 3 個帶嵌入的點(diǎn)時優(yōu)雅降級為null分?jǐn)?shù)解讀0.15 穩(wěn)定敘事0.35 輕度漂移0.6 中度漂移以上為快速變化。在 idea-lineage 中find_trajectory只作為可選側(cè)信道使用——僅當(dāng)想法的故事確實(shí)依賴于角色/狀態(tài)/指標(biāo)這類結(jié)構(gòu)化演化時才接入絕不能把 MRR 曲線當(dāng)作概念譜系本身。search / query / get_page / list_pages這四個是譜系證據(jù)的主干采集器search提供帶日期的關(guān)鍵詞分塊query提供語義召回get_page取回候選來源頁的完整上下文list_pages用于概念頁發(fā)現(xiàn)與作用域內(nèi)的頁面枚舉。它們分別對應(yīng)技能 Phase 1 的步驟 2–4 與 Phase 2 的證據(jù)來源組合起來完成精確短語變體 → 語義匹配 → 全頁上下文 → 概念頁枚舉的完整證據(jù)鏈。實(shí)戰(zhàn)要點(diǎn)小結(jié)先問范圍請求是單一想法的演化還是整個概念圖譜前者用本技能后者路由到concept-synthesis對比見 concept-synthesis/SKILL.md。識別證據(jù)形態(tài)信念/賭注類證據(jù)走takes_searchsrc/core/ops/takes.ts矛盾走緩存的find_contradictionssrc/core/ops/insights.ts實(shí)體指標(biāo)走find_trajectorysrc/core/ops/insights.ts不要把三者混用。引用紀(jì)律每條非 gap 結(jié)論給出[source-id:slug]、日期與短引文無日期寫 undated來源缺失寫 No clear evidence found 并說明檢查范圍。區(qū)分層級歸屬 takes ≠ 大腦所有者的事實(shí)綜合時參考 docs/takes-vs-facts.md 保持兩層不坍縮引文規(guī)范見 conventions/quality.md。保持只讀除非用戶明確要求保存譜系頁面否則不寫任何大腦頁面。誠實(shí)呈現(xiàn)證據(jù)稀疏或互相矛盾時如實(shí)輸出缺口與沖突而不是偽造平滑演化或更有趣的分支。贊分享人工智能RAGAgent 記憶MCP 服務(wù)知識管理【免費(fèi)下載鏈接】gbrainGarrys Opinionated OpenClaw/Hermes Agent Brain項(xiàng)目地址https://gitcode.com/gh_mirrors/gb/gbrain點(diǎn)擊查看免費(fèi)下載相關(guān)推薦gbrain idea-lineage 技能實(shí)戰(zhàn)在思維庫中追蹤單一想法的完整演化軌跡gbrain idea lineage 技能實(shí)戰(zhàn)在思維庫中追蹤單一想法的完整演化軌跡 導(dǎo)讀 本文圍繞 gbrain 開源倉庫中的 idea lineage 技人工智能RAGAgent 記憶MCP 服務(wù)知識管理Blender MCP完整指南AI驅(qū)動3D建模的深度解析與實(shí)戰(zhàn)教程Blender MCP完整指南AI驅(qū)動3D建模的深度解析與實(shí)戰(zhàn)教程 Blender MCP是一款革命性的開源工具它通過模型上下文協(xié)議Model ConteMCP 服務(wù)AI 應(yīng)用人工智能數(shù)據(jù)血緣追蹤實(shí)戰(zhàn)Apache Airflow Lineage讓數(shù)據(jù)可追溯數(shù)據(jù)血緣追蹤實(shí)戰(zhàn)Apache Airflow Lineage讓數(shù)據(jù)可追溯 在數(shù)據(jù)處理流程中你是否曾遇到過這些問題數(shù)據(jù)異常時無法快速定位根源合規(guī)審計(jì)要求追后端工作流自動化任務(wù)調(diào)度數(shù)據(jù)工程上一篇GitHub REST API 描述項(xiàng)目教程下一篇efibooteditor 項(xiàng)目教程創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考