Skip to content

README_zh.md

Latest commit

 

History

History
306 lines (227 loc) · 12.5 KB

README_zh.md

File metadata and controls

306 lines (227 loc) · 12.5 KB

SYM — Mesh Memory Protocol (MMP) 参考实现

让自主智能体真正「协同思考」，而非仅仅「互相发消息」

npm version Specification Paper License

核心问题

当前 AI 智能体普遍处于「孤岛状态」：它们通过消息总线、API 或共享数据库交换数据，但无法真正协同推理。一个编码智能体、一个音乐智能体、一个健康智能体服务于同一用户，却各自只能看到自己的领域片段。没有任何单一智能体能够将「提交频率下降」+「歌曲跳过增多」+「3 小时未活动」关联为「用户可能疲劳」——这种洞察需要集体智能，而现有协议无法提供。

SYM 提供的不是又一个多智能体编排框架，而是一套让自主智能体在保持上下文独立的前提下，通过结构化认知消息交换实现协同推理的底层协议。

核心设计原则

原则 说明
智能体自治 每个智能体维护完全独立的对话上下文与记忆存储（MMP §2.4），不共享状态
离散消息交换 通过认知记忆块（CMB, Cognitive Memory Block）传递结构化信息，非连续状态同步
按字段评估 SVAF（Symbolic-Vector Attention Fusion）对每条消息的 7 个认知字段独立评估相关性，决定接收策略
零配置发现 基于 DNS-SD (Bonjour) 的局域网自动发现，无需服务器、密钥或手动配置
协议可组合 上层应用可基于 MMP 构建专属认知协议，底层传输与身份层保持正交

重要澄清：

  • 智能体之间不共享上下文，仅通过离散 CMB 交换信息
  • 接收方收到的是通道通知，后续处理由用户或对话策略决定，非自动分析
  • 所有认知内容必须使用 cmb 帧格式传输（MMP v0.2.3+）

技术架构：8 层协议栈

┌─────────────────────────────────┐
│ Layer 7: 应用认知层              │ ← 智能体业务逻辑
├─────────────────────────────────┤
│ Layer 6: CfC 神经动力学层        │ ← 时序状态演化 (Closed-form Continuous-time NN)
├─────────────────────────────────┤
│ Layer 5: 合成记忆层              │ ← 跨智能体记忆融合策略
├─────────────────────────────────┤
│ Layer 4: SVAF 认知耦合层         │ ← 按字段相关性评估与注意力融合
├─────────────────────────────────┤
│ Layer 3: CMB 认知消息层          │ ← CAT7 七字段结构化消息格式
├─────────────────────────────────┤
│ Layer 2: 传输层 (TCP/WS)         │ ← 长度前缀 JSON 线格式
├─────────────────────────────────┤
│ Layer 1: 身份与加密层            │ ← 密钥对、签名、端到端加密
├─────────────────────────────────┤
│ Layer 0: 发现层 (DNS-SD/Bonjour) │ ← 零配置局域网发现
└─────────────────────────────────┘

核心组件

CAT7：七字段认知消息格式

每条 CMB 包含 7 个语义字段，构成通用认知接口：

字段 语义轴 捕获内容 快速耦合
focus 主题 内容核心焦点
issue 张力 风险、缺口、待解问题
intent 目标 期望的改变或目的
motivation 动因 行为背后的驱动因素
commitment 承诺 确认事项、责任方、时间节点
perspective 视角 信息来源的角色与情境
mood 情感 情绪效价 (valence) + 激活度 (arousal) 跨域耦合

mood 是唯一默认启用快速耦合的字段——情感状态可跨所有领域边界传递，这是 SVAF 模型在无监督训练中自主发现的规律。

SVAF：符号 - 向量注意力融合

  • 对每条入站 CMB 的 7 个字段独立计算相关性得分
  • 输出四类评估结果：redundant（冗余）/ aligned（对齐）/ guarded（审慎）/ rejected（拒绝）
  • 解决选择性接收与冗余过滤的双重挑战
  • 训练数据：237K 样本 / 273 叙事场景，三分类准确率 78.7%

CfC：闭式连续时间神经网络

  • 每智能体独立的时序演化引擎
  • 学习每个神经元的时延常数 (τ)：快神经元实现秒级情感同步，慢神经元保留领域专业知识
  • 与 SVAF 协同：SVAF 决定「什么进入认知状态」，CfC 决定「状态如何演化」

快速开始

前置要求

  • Node.js 18+ 或 Python 3.10+
  • 同一局域网（或配置中继服务器）
  • （可选）Claude Code / Cursor / Copilot 等支持 Agent Skills 的编码助手

安装与启动

# 1. 全局安装 SYM CLI
npm install -g @sym-bot/sym

# 2. 启动网格守护进程（后台运行）
sym start

# 3. 验证网格状态
sym peers          # 查看已连接智能体
sym status         # 完整网格诊断

为智能体添加网格能力

方案 A：LLM 驱动的智能体（推荐）

利用 Agent Skills 标准，让智能体的 LLM 自动处理字段提取：

# Claude Code
mkdir -p .claude/skills/sym
cp node_modules/@sym-bot/sym/.agents/skills/sym/SKILL.md .claude/skills/sym/

# OpenClaw / Cursor / Junie
mkdir -p .agents/skills/sym
cp node_modules/@sym-bot/sym/.agents/skills/sym/SKILL.md .agents/skills/sym/

安装后，智能体将自动：

  1. 监听用户自然语言输入
  2. 按 CAT7 格式提取结构化字段
  3. 调用 sym observe 发布至网格
  4. 通过 sym recall / sym insight 获取集体洞察

方案 B：自定义脚本 / 传统应用

直接通过 CLI 或 SDK 集成：

# CLI（任意语言）
sym observe '{"focus":"用户会话超时","issue":"未处理异常","commitment":"需添加重试逻辑"}'
sym recall "异常处理"
// Node.js SDK
const { SymNode } = require('@sym-bot/sym');

const node = new SymNode({
  name: 'my-error-tracker',
  cognitiveProfile: '监控应用异常与稳定性',
  svafFieldWeights: { issue: 2.0, commitment: 2.0, focus: 1.5 } // 自定义字段权重
});

await node.start();
node.remember({ 
  focus: 'auth module timeout', 
  issue: 'unhandled promise rejection',
  commitment: 'fix before v2.1 release'
});

配置指南

智能体认知画像（预置模板）

画像 适用场景 新鲜度窗口 设计理由
music 音乐/氛围应用 1,800s (30min) 情绪状态变化快，需快速响应
coding 编码助手/开发工具 7,200s (2hr) 会话上下文重要，昨日调试信息价值衰减
fitness 健康/运动追踪 10,800s (3hr) 久坐检测需累积数小时行为模式
messaging 聊天/通知类应用 3,600s (1hr) 近期对话上下文相关性最高
knowledge 资讯/研究类应用 86,400s (24hr) 按日周期更新，新闻时效性以天为单位
uniform 通用原型/测试 1,800s (30min) 无字段偏好，适合作为起点 
// 示例：健身智能体配置
const node = new SymNode({
  name: 'health-companion',
  cognitiveProfile: '追踪运动、心率与能量状态',
  svafFieldWeights: FIELD_WEIGHT_PROFILES.fitness,
  svafFreshnessSeconds: 10800  // 3 小时
});

漂移阈值：控制消息接收策略

SYM 为每条入站记忆计算 totalDrift 评分（0–1），决定处理策略：

区域 漂移值 行为 置信度
对齐 ≤ 0.25 接收并融合 完整
审慎 0.25–0.50 接收但降权 衰减
拒绝 > 0.50 丢弃 — 
// 更严格：仅接收高度相关消息
const node = new SymNode({
  svafStableThreshold: 0.15,
  svafGuardedThreshold: 0.35
});

// 更宽松：扩大接收范围
const node = new SymNode({
  svafStableThreshold: 0.35,
  svafGuardedThreshold: 0.65
});

漂移计算公式（供高级用户参考）

totalDrift = (1 - temporalLambda) × fieldDrift + temporalLambda × temporalDrift

其中：
  fieldDrift    = 各字段余弦距离的加权平均（内容差异度）
  temporalDrift = 1 - exp(-ageSeconds / freshnessSeconds)（时间衰减）
  temporalLambda = 混合权重（默认 0.3 = 70% 内容 + 30% 时间）

典型应用场景

电商卖家：需求 - 库存 - 客服协同

  • 客服智能体：「5 位用户询问蓝色款何时补货」
  • 分析智能体：「蓝色款页面浏览量周增 300%」
  • 库存智能体：「蓝色款售罄，周四到货」

→ 网格自动合成：需求激增 → 售罄 → 补货确认 → 用户已询问 → 自动触发：商品页预公告 + 广告暂停策略 → 无需人工编写集成逻辑

内容创作者：受众反馈驱动内容策略

  • 写作智能体：撰写生产力技巧周报
  • 分析智能体：周二 AI 工具帖互动量 10 倍于均值
  • 排期智能体：准备发布 3 篇无关主题内容

→ 网格合成：受众明确偏好 → 当前草稿偏离 → 排期内容不匹配 → 写作智能体自动调整选题，排期智能体暂缓发布

编程会话：跨设备疲劳感知

  • Claude Code (Mac)：检测到提交频率下降、消息变短
  • MeloTune (iPhone)：用户跳过常听歌单
  • MeloMove (Watch)：3 小时无活动

→ 网格推理：多信号能量衰减 → 非专注而是疲劳 → 音乐应用切换舒缓曲风，健康应用建议拉伸 → 单一智能体无法得出的洞察

Claude Code 集成（实时通道版）

如需 Claude 到 Claude 的实时推送（非轮询），请使用 @sym-bot/mesh-channel —— 首个非 Anthropic 官方的 Claude Code Channels 实现。

npm install -g @sym-bot/mesh-channel
sym-mesh-channel init
  • 纯局域网 mDNS 发现，双向实时推送
  • 消息以 Channel Notification 形式直达对方 Claude 对话流
  • 每端上下文完全自治，通过离散 CMB 交换信息

其他实现与生态

语言 项目 维护者 范围
Node.js sym-bot/sym SYM.BOT 参考实现，完整支持 Layers 0–7
Swift sym-bot/sym-swift SYM.BOT macOS / iOS 参考实现
Node.js (MCP) sym-bot/sym-mesh-channel SYM.BOT Claude Code 插件，基于 Channels 的实时 Claude-to-Claude 网格

欢迎贡献其他语言实现！联系 hongwei@sym.bot 或提交 Issue，我们将收录至 sym.bot/spec/mmp

延伸阅读

许可证

  • 协议规范文本：CC BY 4.0 — 可自由分享、改编、商用，须署名
  • 参考实现代码：Apache License 2.0 — 企业友好，允许闭源衍生

Mesh Memory Protocol、MMP、SYM 及相关标识为 SYM.BOT 商标 © 2026 SYM.BOT

贡献与反馈

所有变更须符合 MMP 规范并通过 CI 验证后方可合并

集体智能不是让智能体变成同一个大脑，而是让每个自主大脑在保持独立的前提下，看见彼此眼中的世界。 —— SYM 设计哲学