Agentic Cortex

🧠 痴呆性皮质

快速开始 · 安装 · 建筑 · 章节 · 常见问题解答

______________________________________________________________________

是什么让这与众不同

在markdown中存储笔记并不是什么新鲜事。黑曜石、Logseq和Dendron都能做到这一点。他们都没有做到闭环：结构化标记作为持久的人工智能内存+实时数据的MCP集成+一种结构化反馈机制，通过自然语言纠正重塑人工智能行为+从你的写作历史中提取的语音克隆+从屏幕和录音中提取的环境智能。

结果是一个与你拥有相同记忆的AI代理——甚至是更精确的记忆。它的味道和你一样，声音和你一样。当它起草一封电子邮件时，它写得和你们写的一样：同样的句子结构，同样的对冲模式，同样的老板和朋友之间的语域转换。当你纠正一次，它就再也不会犯同样的错误了。没有微调。没有训练跑。只是markdown文件中的一行。

核心技术贡献：

• 结构化反馈循环。 自然语言矫正成为持久的行为规则。每次更正都会与规则、基本原理和范围一起保存。AI在会话开始时读取所有累积的反馈。这不是ML意义上的RL——模型权重永远不会改变。但这种效果在结构上是相似的：行为会因修正而改善，并保持改善。提示不断演变；模型保持不变。看 第8章.
• 从书写历史中克隆声音。 语音配置文件是从您实际发送的电子邮件和聊天消息中提取的——句子长度分布、标点习惯、问候模式、语域差异。AI会在正式、非正式和聊天记录中用你的声音进行草稿。收件人无法告知。看 第6章.
• 筛管环境智能。 持续的本地屏幕和音频记录会输入到AI的上下文中。人工智能在你不告诉它的情况下就知道你在做什么——它接收活动时间线，检测交互，并自动更新知识图。看 第五章.
• 共享内存模型。 三层内存（工作内存/上下文模型/保险库）使AI能够访问您所知道的一切：您的笔记、您的人员、您的项目、您的后续行动、您的决定以及您做出这些决定的原因。看 第四章.

______________________________________________________________________

安全模型

• 仅本地数据。 屏幕管道录制、聊天历史记录和vault内容永远不会离开您的计算机。除非您添加云同步，否则不会进行云同步。
• 草稿，而不是发送。 电子邮件草稿会转到Gmail进行审核。聊天消息将转到剪贴板。AI从不自主联系任何人。
• 纯文本控件。 每条规则都是markdown文件中的一行。删除该行，行为停止。 grep 在几秒钟内完成整个配置。
• 许可门。 代理（Claude Code/OpenClaw）在任何影响外部世界的文件系统写入、shell命令或MCP操作之前都会提示。

______________________________________________________________________

建筑

graph TD
    subgraph Senses["Senses (MCP Servers)"]
        SP[Screenpipe
screen + audio]
        GM[Gmail
email]
        GC[Google Calendar
schedule]
        CH[Chat History
future extension]
    end

    subgraph Sync["Sync Engine"]
        SA[Source Adapters]
        MF[Manifests]
        VU[Vault Updater]
    end

    subgraph Vault["Vault (Plaintext Markdown)"]
        PPL[People
user.*.md]
        PRJ[Projects
proj.*.md]
        DJ[Daily Journals
daily.*.md]
        MT[Meetings
meet.*.md]
    end

    subgraph Brain["Command Center"]
        WM[Working Memory
hot — today's state]
        CM[Context Model
warm — follow-ups, momentum]
        VP[Voice Profile
how you write + talk]
    end

    subgraph DNA["Behavior Layer"]
        CMD[CLAUDE.md
rules + identity]
        SK[Skills
reusable capabilities]
        AM[Auto-Memory
learned preferences]
        FB[Feedback Loop
corrections → permanent change]
    end

    subgraph Output["Actions (Human-Gated)"]
        ED[Email Drafts]
        BR[Briefings]
        NW[Note Writes]
        MP[Meeting Prep]
    end

    SP & GM & GC & CH --> SA
    SA --> MF --> VU
    VU --> Vault
    Vault --> Brain
    Brain --> DNA
    DNA --> Output
    FB -.->|"you correct → AI remembers"| AM

数据流： 外部源向生成结构化清单（更改内容的差异）的源适配器提供数据。vault更新程序将更改写入markdown文件。命令中心将vault提取为工作内存（现在重要的是什么）和上下文模型（中期状态）。行为层——CLAUDE.md、技能和累积的反馈记忆——塑造了人工智能的行为方式。每个输出都是人为控制的。

命名约定即模式

A real vault's note graph. Each cluster is a namespace (user.*, proj.*, daily.*, sci.*). Cross-links between notes create the edges. The naming convention creates this structure — no graph database required.

整个系统的基础是一个单一的设计决策： 以点分隔的文件名，用于编码类型、时间和关系.

user.priya-sharma.md                → type=person,  name=priya-sharma
proj.2026.api-redesign.md           → type=project, year=2026, name=api-redesign
meet.2026.03.14.md                  → type=meeting, date=2026-03-14
daily.journal.2026.03.14.md         → type=journal, date=2026-03-14
sci.engineering.distributed-systems.md → type=science, domain=engineering, topic=distributed-systems

文件名就是架构。没有数据库，没有配置文件，没有ORM。AI代理仅通过glob模式导航整个知识图：

• user.*.md → 所有人
• proj.2026.*.md → 今年的项目
• meet.*.md +grep for user.priya-sharma → 与Priya的所有会议
• sci.engineering.*.md → 所有工程笔记

笔记中的交叉链接([[Priya Sharma|user.priya-sharma]])创建图形边。层次结构为您提供了类型安全性。维基链接为您提供关系。它们共同构成了一个人类可读、git可跟踪、AI可导航的知识图谱，无需任何基础设施。

这是借来的 树枝的分层笔记系统，但该模式适用于任何基于文件的笔记。关键见解： 当您的命名约定一致时，您的文件系统就变成了一个可查询的图.

______________________________________________________________________

🚀 快速开始

最快的路径：克隆仓库，运行安装程序，并启动代理会话。代理将读取CLAUDE.md并找出其余部分。

git clone https://github.com/Albert-Ying/agentic-cortex.git
cd agentic-cortex
./setup.sh

setup.sh 创建vault、复制种子数据、安装技能并设置持久内存。然后在编辑器中打开你的保险库，启动OpenClaw/Claude Code会话，系统会自动为你做简报。

______________________________________________________________________

📦 安装

1.代理人（必填）

安装以下AI编码代理之一：

龙虾 （推荐，开源）：

npm install -g openclaw

克劳德代码 （Anthropic的CLI）：

npm install -g @anthropic-ai/claude-code

其他代理人阅读 CLAUDE.md 并且支持MCP也应该工作（Cursor、Windsurf、Gemini CLI），但尚未经过测试。

2.Dendron（推荐）

Dendron提供了命名约定所依赖的分层注释结构。作为VS Code扩展安装：

1. 打开VS代码
2. 扩展→ 搜索“Dendron”→ 安装 树枝 by dendron.so
3. Cmd+Shift+P → “Dendron：初始化工作区”→ 将其指向您的vault目录

您还可以使用Obsidian、Logseq或普通文件夹——命名约定在没有Dendron的情况下也适用，但您会失去树视图和重构工具。

3.筛管（可选，用于环境智能）

筛管 在本地录制您的屏幕和音频。第5章和第9章（日记、活动跟踪）需要。

macOS：

brew install screenpipe

Linux：

curl -fsSL https://screenpi.pe/install.sh | sh

安装后，启动守护程序：

screenpipe --start

验证它是否正在运行： curl http://localhost:3030/health

4.MCP服务器（可选，用于电子邮件/日历）

MCP（模型上下文协议）服务器允许代理访问外部服务。第5章要求。

Gmail MCP： 在代理的MCP设置中进行配置(~/.claude/settings.json 或同等）：

{
  "mcpServers": {
    "gmail": {
      "type": "url",
      "url": "https://mcp.anthropic.com/gmail"
    }
  }
}

首次使用时，系统会提示您授权访问Gmail。

谷歌日历MCP：

{
  "mcpServers": {
    "google-calendar": {
      "type": "url",
      "url": "https://mcp.anthropic.com/google-calendar"
    }
  }
}

5.Python（必填）

辅助脚本（vault索引器、屏幕管道预处理器）需要Python 3.9+。

python3 --version  # verify >= 3.9

无pip依赖关系——所有脚本仅使用stdlib。

6.运行安装程序

cd agentic-cortex
./setup.sh

脚本将：

1. 询问您的保险库位置（默认值： ~/agentic-cortex-vault)
2. 复制带有示例注释的种子库
3. 询问您的姓名和电子邮件
4. 将技能安装到您的保险库 .claude/skills/
5. 设置持久内存目录
6. 创建初始git commit

7.开始你的第一次会议

cd ~/agentic-cortex-vault   # or wherever you placed your vault
openclaw                     # or: claude

代理人阅读 CLAUDE.md，加载你的技能和记忆，并应自动向你简要介绍。试着问：“你对我了解多少？”

提示： 你也可以给代理这个仓库，然后说“为我设置”。它可以阅读README和CLAUDE.md并自行处理安装。

______________________________________________________________________

章节

第一章：金库——结构化记忆

分层标记作为人工智能的长期记忆。vault使用点分隔的命名约定——每个文件名都对其在知识图中的类别和位置进行编码：

user.priya-shah.md              # person profile
proj.2026.nimbus-platform.md    # project file
meet.2026.03.14.md              # meeting notes
daily.journal.2026.03.14.md     # daily journal

当人工智能需要所有人时，它就会全球化 user.*.md.所有项目： proj.*.md.本月所有会议： meet.2026.03.*.md没有嵌入，没有向量数据库——人类和人工智能代理都可以原生导航的文件系统约定。

个人资料示例 （来自种子库）：

---
id: a7m2xk9pqr4vn1w3jt8hc5b
title: Priya Shah
desc: 'VP of Engineering, Nimbus'
updated: 1710100000000
created: 1700000000000
---

## Contact Info
- Email: priya@nimbus.io
- Slack: @priya-shah

## Role & Expertise
VP of Engineering at Nimbus. Oversees platform and infrastructure teams.
Previously at Stripe (payments infrastructure).

## Context
**How we connected**: Direct manager since I joined Nimbus in 2024.
**Last contact**: 2026-03-14 (weekly 1:1)

## Notes
- Prefers async updates over meetings when possible
- Strongly values clear written proposals before architecture reviews
- Connected me to Marcus for the observability initiative

AI读到后知道：Priya是Alex的经理，更喜欢异步，并且是架构审查连接的来源。“为我与Priya的1:1做好准备”提取了她的个人资料、最近的互动、开放的帖子和待处理的项目，没有一个澄清的问题。

设置：

1. 种子库由以下创建 setup.sh.创建3-5个真实人物笔记和1个项目笔记。
2. 启动代理会话。问“你对\[人\]了解多少？”——人工智能应该在没有帮助的情况下找到并总结。

______________________________________________________________________

第二章：指令——CLAUDE.md作为DNA

项目级指令文件，定义人工智能是谁以及它的行为方式。与其每次都重新解释偏好，不如写一次。AI读取 CLAUDE.md 在会话开始时，并永久地跟随它。

两个层次：

这 {{USER_NAME}} 占位符被替换为 setup.sh之后，该文件就是您的系统提示——可读、可编辑、版本控制。

设置：

1. 查看生成的 CLAUDE.md 在你的保险库根中。
2. 自定义：通信风格、领域约定、安全规则。
3. 开始一个会话——人工智能应该按你的名字问候你，并作为你的个人操作系统运行。

______________________________________________________________________

第三章持久记忆

一种在会话中积累知识的自动记忆系统。记忆存在于 ~/.claude/projects//memory/ 带有索引(MEMORY.md)链接到主题文件。

memory/
├── MEMORY.md              # Index (keep under 200 lines)
├── command-center.md      # Follow-ups, momentum, collaborator state
├── projects.md            # Active project status
├── feedback_drafting.md   # Learned: email drafting preferences
└── ...                    # Accumulates over time

保存触发器： 任务完成、做出的决定、用户更正、发现的新约定、过时的条目。

设置：

1. setup.sh 创建内存目录。全局首选项文件包括持久性协议。
2. 通过在第一次会话中告诉AI关键事实来引导。它将拯救他们，并在下次召回他们。

______________________________________________________________________

第四章指挥中心

一个三层内存系统——工作内存（热）、上下文模型（热）和vault（冷）——在会话开始时具有自动简报功能。

工作记忆 (_working-memory.md)每次会话都会刷新：当前焦点、今天的日历、同步状态、实时任务、过时的跟进。

上下文模型 (memory/command-center.md)跟踪项目进展、合作者状态和后续队列。

会话启动流程：

1. 读取工作记忆和上下文模型
2. 同步源：日历、电子邮件、屏幕管道
3. 用新数据更新工作记忆
4. 在随访中进行陈旧性清扫
5. 进行简报

指挥中心技能(skills/command-center/SKILL.md)定义简报结构、同步节奏和陈旧阈值。

______________________________________________________________________

第5章：数据来源

MCP服务器允许AI实时访问Gmail、谷歌日历和Screenpipe。

同步管道：

Source (MCP Server) → Source Adapter → Manifest → Vault Updater → Vault

设置：

Gmail和日历使用Anthropic的第一方MCP连接器：

{
  "mcpServers": {
    "gmail": { "type": "url", "url": "https://mcp.anthropic.com/gmail" },
    "google-calendar": { "type": "url", "url": "https://mcp.anthropic.com/google-calendar" }
  }
}

筛管：从以下位置安装 screenpi.cn 并启用其MCP服务器。所有录音都是本地的。

______________________________________________________________________

第6章：语音配置文件

从您的真实写作历史中提取的语音档案。住在 me/VOICE_PROFILE.md 并跨寄存器捕获您的通信指纹：句子长度、标点习惯、对冲模式、问候惯例、正式与非正式与聊天。

如何构建它：

1. 导出100-200封已发送的电子邮件。如果可用，请包括聊天历史记录。
2. 让人工智能分析：句子结构、单词选择、签收模式、对冲语言、语域差异。
3. 保存到 me/VOICE_PROFILE.md。指挥中心会自动参考这一点。
4. 通过让人工智能起草一封电子邮件进行测试。如果音调关闭，请进行纠正——反馈回路（第8章）将更新配置文件。

______________________________________________________________________

第7章：人物图

与您互动的每个人的结构化配置文件，从所有数据源不断更新。人是连接组织——每一封电子邮件、会议、项目和后续链接都会回到一个人身上。

个人资料如何更新：

• 电子邮件同步： 来自Marcus的新电子邮件→ AI更新 user.marcus-lee.md
• 日历同步： 与Priya会面→ AI更新最后联系日期
• 筛管： 通话中提到的姓名→ 标记为交互
• 手册： “我在会议上遇到了乔丹”→ AI创建或更新配置文件

这 detect-people 技能扫描传入数据中的姓名，并与现有配置文件进行匹配。

______________________________________________________________________

第8章：反馈循环

这是核心机制。当您更正AI时，它会将更正保存为持久内存文件。在下一个会话中，它读取该文件并进行调整。随着时间的推移，系统会逐渐向你的偏好靠拢。

自然语言作为奖励信号

在传统的机器学习中，您可以通过标记数据和梯度更新来改进模型。在这里， 自然语言校正是奖励信号：

没有微调。没有GPU。没有数据集管理。LLM权重永远不会改变，提示会改变。

反馈记忆格式

---
name: email-no-pleasantries
description: Never open emails with filler pleasantries
type: feedback
---

Never start emails with "I hope this finds you well" or similar
throat-clearing phrases.

**Why:** The user considers these filler. Their natural style leads
with the point.

**How to apply:** All email drafts via gmail_create_draft. Start with
the recipient's name, then the substance.

三个字段： 规则, 为什么 （能够进行文字更正之外的概括），以及 如何申请 （范围界定可以防止过度概括）。

复合效应

Session 1:   Base behavior (CLAUDE.md only)
Session 5:   +5 feedback memories → emails tighter, commits cleaner
Session 10:  +12 feedback memories → drafts match your voice, knows your pet peeves
Session 20:  +20 feedback memories → feels like a trained assistant, not a generic AI

每个行为适应都是一个你用简单的英语编写或批准的文件，存储在你控制的目录中。完全可审计：

# Why does the AI avoid pleasantries?
grep -r "pleasantries" ~/.claude/projects/*/memory/

# How many corrections has it learned?
ls ~/.claude/projects/*/memory/feedback_*.md | wc -l

# Undo a correction
rm ~/.claude/projects/*/memory/feedback_email-spacing.md

透明、可逆、可堆肥。

______________________________________________________________________

第9章：每日简报

每节课都以一个主动的简报开始——日历、任务状态、过时的跟进、项目进展——在没有要求的情况下进行。

FOCUS
  Platform migration — load test results pending from infra team.
  Q2 OKR draft due to Priya by Friday.

TODAY (Mar 15)
  10:00  1:1 with Marcus (observability rollout)
  14:00  Deep work block — migration runbook
  16:00  Team standup

STALE
  Jordan Kim — API contract proposal sent Mar 12, no reply.
  DevOps ticket #4821 — blocked on SRE review since Mar 11.

MOMENTUM
  Platform migration: HIGH — 3 services migrated this week
  Observability: MEDIUM — dashboards drafted, awaiting review
  Hiring: LOW — no interviews scheduled, 2 reqs open

INBOX (flagged)
  Priya Shah — architecture review moved to Thursday
  Marcus Lee — shared Datadog integration docs

人工智能会显示你原本可以从日历、电子邮件、任务列表和内存中手动组装的内容。它会捕捉到过时的后续行动，并主动采取行动——总是以草稿的形式，总是得到你的批准。

______________________________________________________________________

常见问题解答

这只适用于Claude Code吗？

不需要。该架构需要一个AI代理，在会话开始时读取markdown指令文件，并支持MCP。OpenClaw和Claude Code已经过测试。Cursor、Windsurf和Gemini CLI应使用相同的工具 CLAUDE.md 以及技能档案。

设置时间有多长？

第1-3章需要大约30分钟，为您提供一个有效的系统。第4章为指挥中心增加了约15分钟。第5-9章是递增的——在几天或几周内添加它们。从第1章开始，该系统就很有用。

我的数据安全吗？

所有内容都是本地明文文件。除了对人工智能提供商的API调用之外，没有任何数据离开您的机器。筛管数据保持在本地。电子邮件/日历使用MCP服务器存储的OAuth令牌。AI从不自动发送任何东西。

如果我不使用Dendron怎么办？

任何分层标记系统都是有效的。黑曜石用户可以使用文件夹而不是圆点(user/priya-shah.md 而不是 user.priya-shah.md).AI通过glob模式导航，而不是特定于工具的元数据。

接下来是什么？

不包括但易于构建的扩展：每周/每月评论生成、Slack MCP集成、具有共享上下文模型的团队库、多语言语音配置文件。

______________________________________________________________________

贡献

叉起来，把它变成你的。欢迎关注bug setup.sh 或捆绑技能。欢迎PR学习新技能——同步适配器、评论生成器、新的MCP集成。看 skills/ 格式的目录。

许可证

MIT。看 许可证.

建造于 英克俊.

*版本0.1.0——2026年3月*