Cortex OS · 仿生认知引擎

Python 3.10+ License: MIT

零依赖记忆引擎，为 AI Agent 提供皮层记忆、会话状态管理、三段式上下文组装、技能自进化。

A zero-dependency memory engine providing AI Agents with cortical memory, session state management, three-segment context assembly, and self-evolving skills.

安装

pip install -e .               # 从源码安装（核心引擎，零外部依赖）
pip install -e ".[mcp]"        # 含 MCP Server（mcp>=2.0.0）
pip install -e ".[all]"        # 全部可选依赖（向量 + YAML）

未发布到 PyPI，使用源码安装（pip install -e .）。

快速开始

from core import MemoryService

ms = MemoryService("store.db")

# 记忆
ms.record("我用 RTX 5060，8GB 显存")
results = ms.recall("RTX")
ms.consolidate()

# 多步骤任务
ms.init_session("sess_1", initial_step="identity_check")
ms.update_state("sess_1", fields={"name": "张三"})
ms.update_state("sess_1", step="doc_upload")
ctx = ms.assemble_context("sess_1", "上传照片")

# 可视化
ms.export_graph_html("./graph.html")

# 技能引擎
ms.skill_add("deploy-docker", "Docker deployment workflow", trigger_tags=["Docker"])
ms.skill_import([{"name": "lint", "description": "Code linting"}], source_agent="claude")

架构

第 1 层: 皮层存储   — SQLite FTS5 + 关系表 + 向量（可选）        [schema.py, vector.py]
第 2 层: 海马索引   — 工作记忆（7天TTL）+ 待巩固队列            [record.py]
第 3 层: 巩固引擎   — B级冲突检测 + LLM 批处理（可选）+ 时间裁决   [consolidate.py]
第 4 层: 会话状态   — current_step / collected_fields / pending_actions + 回滚  [session.py]
第 5 层: 上下文组装 — [STATE] + [MEMORY] + [RECENT] + [INSTRUCTION] 三段式      [context.py]
第 6 层: 适配层     — MCP Server（stdio / streamable-http）      [adapters/mcp_server.py]
第 7 层: 可视化     — 知识图谱 JSON / D3.js HTML 页面 / Obsidian MD 导出  [memory_viz.py]
第 8 层: 技能引擎   — 记忆提炼技能 / 冲突合成 / 外部导入融合 / 衰减淘汰  [skill.py, skill_import.py]
辅助:   config.py（配置词表）/ encoding.py（感知编码）/ llm.py（LLM工具+token追踪）/ summarizer.py / import_history.py

Agent 接入（统一 MCP）

python -m adapters.mcp_server                          # stdio
python -m adapters.mcp_server --transport http         # HTTP
# Docker: docker-compose.yml 中 cortex-os 服务已注释，按需启用

Agent	配置
Claude Code	`adapters/mcp.json`（示例，MCP 2.0 streamable-http）
任意 MCP 客户端	`python -m adapters.mcp_server --transport http`

API 概览

方法	说明
`record(text)`	记录对话
`recall(query)`	搜索记忆
`consolidate()`	触发巩固
`init_session(id)`	初始化会话
`update_state(id, fields, step)`	更新任务状态
`rollback_state(id)`	回滚到安全快照
`assemble_context(id, query)`	组装三段式上下文
`import_history(id, messages)`	批量导入历史对话
`memory_visualize()`	导出知识图谱 JSON
`export_graph_html(path)`	生成 D3.js 交互图谱
`export_markdown(dir)`	导出 Obsidian Markdown Vault
`skill_add(name, desc)`	新增技能
`skill_list()`	列出技能
`skill_merge(ids)`	合并多项技能
`skill_import(skills)`	导入外部 Skill
`skill_import_claude(dir)`	导入 Claude Code Skill
`skill_import_codex(path)`	导入 Codex CLI 配置
`skill_import_hermes(dir)`	导入 Hermes Skill
`skill_import_fusion(skills)`	导入 + 自动融合
`get_token_usage()`	查询 LLM token 消耗
`health_check()`	LLM/向量连通性自检

MCP 工具: memory_record / memory_recall / memory_consolidate / context_assemble / state_update / state_rollback / memory_import / memory_visualize / export_graph_html / export_markdown / skill_add / skill_list / skill_merge / skill_import / skill_import_claude / skill_import_codex / skill_import_hermes / skill_import_fusion

配置

# config.yaml
trigger_threshold: 50
trigger_interval: 86400
max_recent_turns: 3
skill_threshold: 5
llm_batch_size: 50
llm_endpoint: https://your-api/v1/chat/completions  # 可选
llm_model: deepseek-chat
llm_api_key: sk-xxx
embedding_endpoint: http://localhost:8080/v1/embeddings  # 可选
embedding_model: bge-large-zh-v1.5

不配 LLM/向量也能用——巩固引擎退化为纯规则模式，搜索依赖 FTS5 + 关系。

运行测试

python -m unittest discover tests -v   # 170 项测试

Cortex OS

Cortex OS · 仿生认知引擎

安装

快速开始

架构

Agent 接入（统一 MCP）

API 概览

配置

运行测试

Latest Blog Posts

MCP directory API

Cortex OS &middot; 仿生认知引擎

安装

快速开始

架构

Agent 接入（统一 MCP）

API 概览

配置

运行测试

Latest Blog Posts

MCP directory API

Cortex OS · 仿生认知引擎