Metis Public Health

🩺 这是公共卫生与流行病学版本

Metis_PH 附带一个预加载的公共卫生知识层——WHO 指南、全球健康报告和流行病学/方法学参考资料——因此你从第一天起就能提出有依据、有引用的问询，而无需先构建语料库。与领域无关的基础外壳（SVerITG/Metis）在其他所有方面完全相同；它以空壳形式发布，并通过设置问卷构建你所在领域的知识层。

实际效果演示

Related MCP server: RecallForge

为什么研究人员信任它

• 📚 它引用你自己的来源。 知识回答锚定在你的已索引文库中，并附有文档级和页面级引用——而非模型的猜测。你的文库为回答提供依据，但不会将其局限其中。Metis 仍会在必要时引入最新文献、指南和更广泛的知识，并告诉你哪些是哪些——因此任何你尚未拥有但值得引用的内容，都会成为你可以添加的论文。

• 🔗 它连接你所知的一切。 每篇论文、会议记录、想法、笔记、日志条目和任务都与你工作的其余部分相连。你今天撰写的资助申请会浮现出去年的一篇方法学论文和三月的一条会议笔记——你无需去寻找；Metis 会把它带给你。

• 🧠 它路由到合适的专家。 用日常语言提问，Metis 会将工作交给 30 多个专业技能中合适的那一个——Librarian、Methods Coach、Writing Partner、Meeting Memory、Epidemiologist、Course Builder 等等。

• 🔁 它自我改进。 每项任务之后，它都会记录哪些有效、哪些不足；每周它都会起草对自身行为的改进方案，并等待你的批准。大多数 MCP 服务器是静态的——Metis 使用得越久越敏锐。

• 🚫 它拒绝编造。 询问文库中没有的内容时，Metis 会如实告知，而不是编造一个听起来合理的答案。（这种基于事实的行为由自动化测试覆盖。）

• 🔒 它留在你的机器上。 本地嵌入、本地数据库、本地文件。你的论文、患者相关数据和未发表的工作永远不会离开你的电脑。

🎥 上方查看实际效果——仪表盘、标签页导览、进入 Claude Desktop 的静默层，以及 Metis 改进自身工作。

最简单的试用方式： 安装 Claude Desktop 并运行三步设置——演示工作区已预加载，因此你从可探索的内容开始，而不是空白屏幕。

这是为谁准备的？

🔬 我是一名研究人员

无需编程背景。几分钟内完成安装，立即开始工作。Metis 所做的一切都用日常语言解释。

→ 开始使用（三步）

⚙️ 我是一名开发者

开源、可扩展、架构良好。构建领域包、添加代理、扩展 MCP 服务器，或为你的机构部署。

→ 探索架构

Metis 是什么？

Metis 是一个构建在 Claude 之上的研究伙伴，将你的数据保存在你自己的机器上。它赋予每一次 AI 对话对你领域、论文、项目和工作历史的持久记忆。它将你的请求路由到合适的专家，完成工作，记录结果，并返回一个简洁的答案——无需你提示或配置任何内容。

应用在你的机器上运行，你的数据留在那里——你的文档、笔记、嵌入和记忆永远不会离开。推理由 Claude 驱动，因此你选择发送用于分析的文本会进入 Anthropic API；其他一切都在本地。（关于什么内容、何时离开你的机器，请参阅数据保护。）

简而言之： 想象一个 AI，它已经了解你的领域和文献，连接了你捕捉到的每篇论文、会议、想法和笔记，将每个请求发送给合适的专家——并且随着你使用时间的增长，对你的工作以及它自身越来越敏锐。这就是 Metis。

工作原理

Metis 不是你需要登录的独立应用。 它是一个在后台安静运行的小型服务，将 Claude 与你的研究连接起来——你的论文、你的记忆、你的项目。

1. 一个后台服务（"MCP 服务器"）随你的电脑启动。它是 Claude 与你的文件之间的桥梁——你从不直接与它交互。

2. 你通过 Claude 与 Metis 对话，有两种方式：

   • Claude Desktop（最简单）：打开它，从提示词菜单中选择一个 Metis 提示词（例如 Metis、Metis Doctor）——或者直接提问。

   • Claude Code（终端）：输入 /metis 后跟你的请求。

3. 你用日常语言提问。 Metis 会判断其 30 多个专家中哪一个应处理该请求，使用你的文库和记忆完成工作，并引用来源作答。

就是这样。开始之前无需学习任何东西；仪表盘只是这一切之上的可选可见层。

设计理念

每一次 AI 对话都从零开始。你花十分钟重新解释你的背景，而当会话结束时，它就消失了。通用 AI 工具强大但无状态——它们了解世界上的一切，却对你一无所知。

Metis 建立在一个理念之上：AI 应该了解你。而且它应该不断自我改进。

不仅仅是你的名字——还有你的领域、你的文献、你的项目、你偏好的工作方式、你的开放问题、你上个月的会议笔记，以及你昨天加入文库的论文。你使用 Metis 越久，每个回答就越好。不是因为 AI 变了——而是因为 Metis 更了解你了。

你无需关注 AI 的发展。 Metis 会替你做这件事。每周，Metis 都会审查自己在所有会话中的表现，找出本可以做得更好的地方，起草对自身行为的改进方案，并在应用之前等待你的批准。当更好的方法和模型出现时，这些改进会以同样的方式被纳入——始终提议供你批准，绝不在你背后应用。作为研究人员，你专注于你的研究。Metis 负责保持自身的敏锐。

核心机制是异花授粉（cross-pollination）。 每当你捕捉一个想法、添加一篇论文、记录一次会议或完成一项任务，Metis 都会将其与你研究宇宙中的其他一切连接起来。一年前索引的一篇论文，会在你今天撰写基金申请时浮现出来。三月的一条会议笔记，会链接到你今早捕捉的想法。六个月前的一个开放问题，会连接到刚发表的一篇新论文。这些连接会自动发生，在后台进行，无需你主动搜索。这正是 Metis 作为研究伴侣而非搜索工具的原因——它跨越你的全部工作成果进行思考，这样你就不必把所有内容都记在脑子里。

这确实是全新的领域。各个组件——本地语言模型、检索增强生成、代理路由、向量搜索——都独立存在。Metis 呈现的是对所有这些组件的连贯整合，专为研究工作的特定需求而构建：长周期、敏感数据、深度文献，以及经年累月积累的知识。一个与你共同成长、为你浮现连接的系统——而不是每次会话都从零开始。据我们所知，目前还没有类似的东西以统一、本地运行、面向研究者的系统形式存在。

三个层级——选择你的入口

当前进展： MCP 服务器、30+ 代理和 9 标签页仪表盘已完全可用并每日使用。一键安装器和预加载的领域知识层仍在完善中。这是一个可运行的系统——不是空头承诺——但也尚未完成。如果有任何问题，请提交 issue。这些反馈将决定接下来构建什么。

面向研究者

无需编程背景。以下所有内容都是点击操作或复制粘贴。

Metis 的驱动方式——由你选择（仅使用不会消耗 API token）

Metis 有两种运行方式，由你选择：

• 基于你的 Claude 订阅——无需 API key，无按 token 计费。 这是日常使用路径：你通过 Claude Desktop 或 Claude Code 与 Metis 对话，仪表盘上的"✦ 用 Claude 更新" / 头脑风暴按钮会在你的订阅下打开 Claude Desktop。大多数人完全以这种方式使用 Metis。

• 使用 Anthropic API key——仅用于你不在时运行的任务：定时晨间扫描和自动简报生成。按 token 付费，通常每天几美分。

• 使用本地模型（Ollama）——可选，用于完全离线的辅助任务（例如数据助手）。

安装程序会要求提供 API key 以便自动化能够运行，但你可以跳过它，仅凭订阅使用 Metis。交互体验中没有任何功能需要 API。

3 步安装

第 1 步——（可选）获取 Anthropic API key——仅用于无人值守的自动化（免费，2 分钟）

1. 前往 console.anthropic.com 并创建账户。

2. 点击 API Keys → Create Key。复制该 key（以 sk-ant-… 开头）。

3. 保持该标签页打开——安装程序会要求输入一次。

该 key 只保存在你的电脑上。绝不会上传或共享。

Windows

⬇ 下载 MetisSetup.exe

双击安装程序。向导将引导你完成：

1. 完整版或仅 AI——完整版提供 AI 助手 + 9 标签页研究仪表盘（约 15 分钟）。仅 AI 更快（约 5 分钟），之后可随时添加仪表盘。

2. 你的项目——告诉 Metis 你在做什么。它会为每个项目创建跟踪记录，在项目文件夹中写入上下文文件，并自动在 Claude Desktop 中注册。

3. 演示工作区——预加载逼真的示例项目、会议、文献和任务，让你立即体验所有功能。推荐首次使用者选择。

4. API key——粘贴一次即可。

其余一切自动完成。最后 Claude Desktop 会打开，Metis 已准备就绪。

要求：Windows 10 或 11 · 互联网连接 · API key

macOS 或 Linux

打开终端并粘贴：

bash <(curl -fsSL https://raw.githubusercontent.com/SVerITG/Metis_PH/main/system/mcp-server/setup-mcp.sh)

脚本会询问两个问题（完整版或仅 AI、演示工作区），其余自动完成。自动将 Metis 注册到 Claude Desktop 和 Claude Code。适用于 Ubuntu 20/22/24、Debian 和 macOS。

要求： Python 3.10–3.13。安装程序优先使用 uv（它会下载自己的 Python 3.12——无需系统包）。如果 uv 不可用，则回退到系统 Python；在裸系统上可能需要 sudo apt install python3-venv。非常新的 Python（3.14+）尚不支持——某些包没有为其发布 wheel。如果遇到 "ensurepip is not available"，请安装 uv（上面那行）或 python3-venv 后重新运行。

安装后——API key 与更新

API key（可选）： 将 system/.env.example 复制为 system/.env 并添加你的 key，或者安装程序会提示你。该 key 启用自动化功能（晨间简报、定时扫描）；通过 Claude 的交互式使用无需它。

git pull 后更新： MCP 服务器从源码的本地副本运行（不是直接运行仓库）。拉取新代码后，重新同步：

bash system/mcp-server/setup-mcp.sh --update

这会重新复制源码、重新安装包并应用迁移——无需重新运行完整向导。

移动了 Metis 文件夹？ 将标记文件 ~/.local/share/metis-mcp/.metis-rc-root 更新为新路径，或重新运行安装程序。

MCP 客户端配置

安装程序会自动将 Metis 注册到 Claude Desktop 和 Claude Code——通常你无需手动编辑任何配置。以下块仅供参考（以及用于 MCP 目录）：它们展示了 metis-rc 服务器是如何接入的。

Metis 不是一行 npx/uvx 服务器。 请先运行安装程序——它会构建本地虚拟环境、初始化数据库并生成启动脚本（run.sh），以下配置即指向该脚本。

第 0 步——安装（构建 venv + 数据库，生成 run.sh）：

bash system/mcp-server/setup-mcp.sh

Claude Code（任何操作系统）——安装程序已为你完成，或手动添加：

claude mcp add metis-rc ~/.local/share/metis-mcp/run.sh

Claude Desktop — macOS——位于 ~/Library/Application Support/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "metis-rc": {
      "command": "bash",
      "args": ["/Users/<you>/.local/share/metis-mcp/run.sh"]
    }
  }
}

Claude Desktop — Linux（原生）——位于 ~/.config/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "metis-rc": {
      "command": "bash",
      "args": ["/home/<you>/.local/share/metis-mcp/run.sh"]
    }
  }
}

Claude Desktop — Windows + WSL——位于 %APPDATA%\Claude\claude_desktop_config.json：

{
  "mcpServers": {
    "metis-rc": {
      "command": "wsl",
      "args": ["-e", "/home/<you>/.local/share/metis-mcp/run.sh"]
    }
  }
}

将 <you> 替换为你的用户名。生成的 run.sh 在运行时从标记文件解析 METIS_RC_ROOT——无硬编码路径。运行服务器本身不需要 API key。

第一天你会得到什么

关键工作流

早晨

Wake up
  └─ Metis scanned overnight
       ├─ New papers on your configured research topics
       ├─ Surveillance alerts and field news
       ├─ Tasks due today, overdue items
       └─ Suggested daily focus based on your open projects
           └─ Open dashboard → read morning brief → start work

文献

New paper (PDF / DOI / Zotero / Mendeley import)
  └─ Librarian indexes it
       ├─ Added to knowledge graph
       ├─ Cross-pollinated with existing papers, past ideas, meeting notes
       └─ Available for cited semantic search immediately
           └─ Ask: "What do my papers say about X?"
                └─ Answered with inline citations from your own library

会议

Meeting ends
  ├─ Paste transcript (Teams / Zoom / any audio file)
  └─ Meeting Memory agent processes it
       ├─ Structured notes with context
       ├─ Action items: who does what, by when
       ├─ Cross-references to your projects and open questions
       └─ Follow-up tasks auto-added to Work tab

想法与写作

Idea surfaces
  └─ Ctrl+K → capture instantly (i: idea · n: note · t: task · q: question)
       └─ Metis cross-pollinates immediately
            └─ Related papers + past ideas surfaced automatically
                 └─ Writing Partner → draft · Librarian → sources · Methods Coach → check argument

教学与课程

Course topic defined
  └─ Course Builder
       ├─ Generates lessons, slides, assessments, question banks
       ├─ Flags new papers relevant to your course automatically
       ├─ Gap analysis against current literature
       └─ Spaced repetition for your own knowledge maintenance

仪表盘

9 标签页仪表盘在本地运行于 http://127.0.0.1:8080。无需账户、无需云端、无需订阅。

今日标签页——晨间简报、活跃项目、进度、新闻雷达和快速统计。一切都根据你的研究领域个性化定制。

Metis 如何了解你

首次安装 Metis 时，设置向导会引导你完成个人画像：

研究领域 · 具体兴趣 · 活跃项目 · 工作风格 · 你使用的工具 · 数据敏感级别

这会创建你的身份卡片——一个每个智能体在回应你之前都会读取的活画像。它会随着时间增长。每次会话都会增添上下文。你捕捉的每个想法都会告诉 Metis 你在思考什么。

使用六个月后提出的问题，会比第一天提出的相同问题得到更有意义的答案——不是因为 AI 变了，而是因为 Metis 更了解你了。

数据保护

研究人员处理敏感数据。大多数 AI 工具并不认真对待这一点。

患者数据、未公开的结果、未发表的研究发现——这些都不应该离开你的机器。Metis 从一开始就考虑到了这一点。

什么会离开你的机器（以及何时）：

其他一切——你的文档、语音录音、PDF 文本、会议笔记、与患者相关的数据——都保留在磁盘上。

安全层级：

处理敏感数据的推荐模式：发送代码，而非数据。

最强的保护不是扫描器——而是根本不把原始数据放进提示词中。Metis 正是为此而构建。让它生成一份分析脚本（R 或 Python）；你在自己的机器上针对真实数据运行它；只有派生输出——变量名、值计数、汇总表、模型系数、数据字典——返回给 Metis。Claude 推理的是数据的形态，而非记录本身。

Your real dataset (patient rows)         ── stays on your machine, never sent ──┐
        │ you run Metis's R/Python script locally                               │
        ▼                                                                       │
Derived metadata (column names, unique values, Table 1, model summary) ── safe to share ──► Metis
        │                                                                       │
        ▼                                                                       │
Metis builds the dashboard / writes the methods / interprets the model ◄────────┘

这正是我们自己的工作构建仪表盘和分析的方式：原始监测数据从未离开机器，但 Metis 仍能对其进行分析、命名每个变量、列出唯一值，并生成完整的仪表盘。

直接运行 /safe-analysis（Claude Code 或 Claude Desktop），Metis 会端到端地引导你完成整个过程——它会提议本地脚本，明确告诉你需要粘贴回哪些元数据，并且从不要求原始行。底层有两道防线：工具前钩子在本地查看数据文件的文件头，并在任何个体级数据被读入对话前发出询问；数据守护者（Data Guardian）（流水线入口处的 PII 扫描 + 4 级分类）会拦截意外混入提示词的敏感内容。采用上述模式后，两者通常都无需触发。

Metis 如何保持与时俱进——你无需操心

AI 发展日新月异。新模型、新能力、新研究工具每月都在涌现。大多数研究者没有时间跟进。Metis 的设计目标就是为你处理这些。

每次智能体运行后，Metis 都会记录一条反思（reflexion）——哪些做得好、哪些有欠缺、缺少了什么上下文。每周它会将这些汇总为主题。每周它会起草带有明确理由的行为改进方案。你在 Metis 标签页中审阅提案——一键批准、拒绝或编辑——已批准的更改会写入磁盘。

这意味着 Metis 会一周又一周地变得更懂你。这也意味着，随着新的 AI 发展成果被集成到 Metis 中，你无需做任何事就能获得这些改进。你的工作是研究。Metis 的工作是保持敏锐。

自我改进循环的详细流程：

1. 每次智能体运行后——记录反思：哪些做得好、哪些可以改进、缺少了什么

2. 每周——从所有会话中提取主题；识别模式

3. 起草提案——对智能体行为的具体拟议更改，附有理由

4. 你在 Metis 标签页中审阅——在应用之前批准、拒绝或编辑

5. 带备份应用——更新写入时附带带时间戳的回滚点

未经你的明确批准，Metis 的行为永远不会发生任何更改。系统提出建议；你来决定。

面向开发者

本节假定你熟悉 Python、Git 和命令行。

架构

flowchart LR
    U([Researcher])
    subgraph Harness["AI Harness (Claude Code / Desktop)"]
        METIS[Metis\nrouter agent]
        AGENTS[Specialist agents\n30+ agents]
        WATCHERS{{Watchers\nData Guardian · Cybersecurity}}
    end
    subgraph Platform
        MCP[MCP Server\n210+ tools\nFastMCP]
        DASH[Dashboard\nFastAPI + HTMX]
        DB[(SQLite\nWAL mode)]
    end
    subgraph Memory
        EPIS[Episodic]
        SEM[Semantic\nvector search]
        REFLEX[Reflexion log]
    end
    Skills[/CLI Skills\n/metis · /librarian · …/]

    U -->|asks| METIS
    U -->|clicks| DASH
    METIS -->|routes to| AGENTS
    AGENTS -->|uses| MCP
    MCP --- DB
    DASH --- DB
    WATCHERS -.guards.-> AGENTS
    AGENTS -->|writes| REFLEX
    REFLEX -->|proposes edits to| AGENTS
    MCP --- Memory
    Skills --> METIS

    style WATCHERS fill:#fff4e6,stroke:#9a7b3c
    style REFLEX fill:#eef4f1,stroke:#2d4a3a,stroke-dasharray:3 3

技术栈

记忆——5 层

知识层与基于事实的回答（RAG）

当你提出知识密集型问题时，Metis 会在专家智能体回答之前从你的索引文档库中检索相关段落。智能体将其回答基于它能从你的文档库中读取的内容——而不仅仅基于它被训练时记住的内容。

You ask Methods Coach:
"Which variance estimator should I use for my Poisson MLM with overdispersion?"

Metis retrieves before routing:
  → Leyland (2020) Multilevel Modelling for Public Health, p.142 — score 0.87
  → Bates lme4 vignette, p.28 — score 0.71

Methods Coach answers grounded in those passages, citing both sources.

构建你所在领域的知识层。 首次设置时，向导的研究背景问卷会引导背景构建器（Background Maker），它会采集、清洗并索引你学科领域的文献到本地 RAG 存储中——这样每个智能体都从你的语料库中回答，并附引用。随时通过 /background build <topic> 扩展它。

预装知识层（本版本）：

安全层（详细）

1. pre-tool-use.mjs — 13 种注入模式、域名白名单、路径限制（每次工具调用）

2. guardrails.py — 对所有外部内容（论文、网页、转录稿）的注入探测

3. safety.py — 11 项 PII 检查、4 级分类、敏感数据在流水线入口被拒绝

4. constitution.md — 14 条机器可读规则，用于深度和链式智能体运行

5. red-lines.md — 5 条不可覆盖规则，在代码层面强制执行

Token 效率

• 模型路由 — Haiku 用于分诊/摘要，Sonnet 用于大多数工作，Opus 仅用于深度推理；大多数日常使用不会触及 Opus

• 外科手术式上下文组装 — 每个智能体只获得与其任务相关的上下文，而非完整历史

• 最大轮次护栏 — 20 轮后停止，提示 /clear

• 会话交接 — 会话结束时捕获不到 3 KB 的状态；不重复支付已建立的上下文

• Token 脉冲小部件 — 仪表盘中实时显示使用量

跨 AI 支持

安装选项

选项 1 — 单命令（Linux、macOS、WSL）

bash <(curl -fsSL https://raw.githubusercontent.com/SVerITG/Metis_PH/main/system/mcp-server/setup-mcp.sh)

自动检测 Ubuntu 20/22/24、Debian、macOS Homebrew。创建 venv、安装所有依赖、注册到 Claude Code 和 Claude Desktop。幂等——可安全重复运行。

# Profile overrides (skip the interactive menu):
METIS_PROFILE=light    bash <(curl -fsSL ...)   # MCP server only (~5 min)
METIS_PROFILE=standard bash <(curl -fsSL ...)   # MCP + dashboard (~15 min)
METIS_PROFILE=full     bash <(curl -fsSL ...)   # Standard + scheduler (~25 min)

选项 2 — 克隆并安装（任何平台）

git clone https://github.com/SVerITG/Metis_PH.git
cd Metis_PH/system/mcp-server
bash setup-mcp.sh

选项 3 — 手动安装

git clone https://github.com/SVerITG/Metis_PH.git
cd Metis_PH/system/mcp-server
python3 -m venv .venv && source .venv/bin/activate
pip install -e "."

export METIS_RC_ROOT="$(pwd)/../.."
export ANTHROPIC_API_KEY="sk-ant-..."

python -m metis_mcp.server          # MCP server
cd ../app-py && bash run.sh         # Dashboard → http://127.0.0.1:8080

选项 4 — Docker（平台测试矩阵）

# Full platform test — Ubuntu 24/22 + Debian in parallel
docker compose -f system/install/docker/docker-compose.test.yml up --build

# Production stack
docker compose -f system/install/docker/docker-compose.yml up -d

注册到 Claude Code

~/.claude/settings.json：

{
  "mcpServers": {
    "metis-rc": {
      "command": "/home/<username>/.local/share/metis-mcp/run.sh"
    }
  }
}

注册到 Claude Desktop（Windows + WSL）

%APPDATA%\Claude\claude_desktop_config.json：

{
  "mcpServers": {
    "metis-rc": {
      "command": "wsl.exe",
      "args": ["-e", "bash", "/home/<username>/.local/share/metis-mcp/run.sh"]
    }
  }
}

配置

依赖项

版本与路线图

Metis 以不同版本发布——一个领域无关的基础外壳，以及在其上添加领域特定内容的领域包。

每个领域版本包含的内容： 预配置的期刊 + RSS 订阅源 · 专家智能体 · 领域本体 · 精选背景知识库

想构建一个领域包？ Fork Metis，添加你领域的知识库、智能体和 RSS 订阅源，然后提交 PR。

课程包（即将推出）

可放入任何 Metis 安装的独立课程包：

提交带有 course-package 标签的 issue 以试点或贡献。

开发状态

贡献

Metis 的设计目标是不局限于单一领域和单一研究者。欢迎贡献——尤其是来自使用它并知道缺少什么的研究者。

详细指南请参阅 CONTRIBUTING.md。

最需要的贡献

领域包——最具影响力的贡献。一个领域包包含： 核心期刊 + RSS 订阅源 · 专家智能体 · 领域本体 · 精选背景库

其他高影响力贡献：

• 翻译 — 向导和技能文件目前仅有英文版；翻译成法语、荷兰语、西班牙语、德语将为更多研究者打开 Metis 的大门

• 安装程序测试 — 在受管机器、企业环境和各种硬件上测试 Windows .exe 和 PowerShell；报告哪些可用、哪些出问题都很有价值

• 新智能体和技能 — 针对尚未覆盖的用例的专家智能体

• 安全验证 — 对数据留在本地的保证（哪些保留在机器上，哪些发送到 Claude API）、PII 检测、钩子行为和宪法执行进行独立审查；如果发现漏洞，请提交私有 issue

• 多 AI 支持 — 更好的 Gemini 和本地模型（Ollama）支持，尤其是离线研究环境

• Bug 报告和 UX 反馈 — 如果有不适合你工作流程的地方，请告诉我们

更新日志

Metis 正在积极开发中 — 请参阅下方最新内容。（近期更新：一个学习谁应该回答问题的路由大脑、一个记住你工作偏好的个性化层，以及一次安全加固。）

2026 年 6 月下旬

v1.0 之后——2026 年 6 月

v1.0 之后 — 2026 年 5 月

v1.0 — 2026 年 5 月

首个稳定版本。完整详情请参阅 system/config/release-notes-v1.0.md。

早期开发（阶段 0–9b）

许可证

代码库采用 AGPL-3.0 — 可自由使用、修改和分叉，但任何以服务形式运行或分发的版本也必须以 AGPL-3.0 开源。

课程内容和学习材料采用 CC-BY-SA 4.0。