前额
倒装 (ἀναστροφ942;）=古希腊语中的行为 遵循mnemex命名约定：内存+代码→ 行为+法典
MCP服务器旨在通过以下方式帮助AI助手识别和突破故障模式：
- 检测回路 -监控工具调用和命令模式
- 注射指令 -提供来自CLAUDE.md/AI_CREDO.md的及时提醒
- 学习什么有效 -通过跨国公司整合跟踪有效性
问题
人工智能助手（像我一样）可能会陷入试错循环：
- 进行类似的尝试，但略有变化
- 猜测而不是使用验证工具
- 忽略记录在案的最佳实践
- 不承认重复失败
实例（2025年10月23日）： 花费5+次提交手动编辑Python文件格式，而不是运行 black file.py.
解决方案
三层体系：
┌──────────────────────────────────────────────┐
│ 1. Pattern Detection │
│ - Tool call history │
│ - Similar commands with variations │
│ - Failed attempt counter │
└──────────────────────────────────────────────┘
↓
┌──────────────────────────────────────────────┐
│ 2. Directive Injection │
│ - Pull from ~/.claude/CLAUDE.md │
│ - Context-aware reminders │
│ - Lightweight alerts (not blocking) │
└──────────────────────────────────────────────┘
↓
┌──────────────────────────────────────────────┐
│ 3. Learning via Mnemex │
│ - Write findings to mnemex graph │
│ - Track what reminders work │
│ - Persist across Claude sessions │
└──────────────────────────────────────────────┘架构目标
跨会话的持久性
- 克劳德不会坚持，但MCP服务器和mnemex会坚持
- 系统学习哪些模式/提醒随着时间的推移是有效的
- 每次新的克劳德课程都受益于过去的学习
增量收益
- 不追求完美 -“波博迪神经衰弱”
- 30%的成功率就是胜利 -优于0%
- 超越完美的进步 -捕捉一些循环，随着时间的推移而改进
有效性跟踪
Pattern: Manual formatting edits (3+ times)
Reminder: "Use `black file.py` instead of guessing"
Effectiveness: 4/5 (worked 80% of the time)
Context: Python repos with Black configured记录的故障模式
看 docs/failure-patterns.md 查看实际调试会话中的详细模式。
案例研究
- CrewAI测试CI/CD修复 -2025年10月23日
安装
# Development installation
cd behavior-mcp
uv pip install -e ".[dev]"
# Run the server
prefrontalos
# Or using Python module
python -m prefrontalos.server发展
状态： 规划/设计阶段 包名称： prefrontalos 入口点： prefrontalos 命令
看 ROADMAP.md 详细的实施计划。
快速启动：
# Run tests
uv run pytest
# Format code
uv run black src/ tests/
# Type check
uv run mypy src/贡献
这是一个协作设计练习。欢迎所有见解、模式和有效性数据。
______________________________________________________________________
核心理念： 任何有助于AI变得更好的步骤都是一场胜利。我们正在建立一个安全网 *一些* 失败，然后随着时间的推移加以改进。