语义操作内核 GrazianoGuiducci/maios-project-kernel

MAIOS Project Kernel

MAIOS Project Kernel 为智能体带来一个不断演化的语义操作内核。它把来源、意图、能力和后果连在一起，让智能体在工作变化时仍能保持方向感，形成有用的能力，并让学到的东西改变它下一步的工作方式。

这个内核是自创生的：它的活动可以重塑自己的知识、能力和组织，包括它形成和组合更多能力的方法。它可以在一次探究、一个领域、一项持续进行的活动或一个项目中工作。MAIOS 内置了启动和发展项目所需的能力；当工作正是做这些事时，它们就会参与进来。

当工作跨越会话或改变方向时，光有一个有用的答案，并不足以承载继续下去所需的理由。内核保留决策背后的理由、支撑这些理由的来源，以及工作中获得的知识。后来的智能体可以找回这些上下文并从中继续，而不必把另一个实例的经验当成自己的个人记忆。

产品版本：5.1.0 · Project Kernel 系列：3.0.0 · Python >=3.11；已验证 3.11–3.14，Linux / Windows / macOS · MIT License

Versione italiana

和你的智能体一起研究内核 ·从你的上下文安装并启动 ·探索研究

它能带来什么

- 通过实际的来源、意图、约束和开放的可能性，理解当下的上下文。
- 引入、组合或形成对工作有用的能力。意图、知识、成功的结果和新的可能性，都能改变什么值得继续发展；学习不必先经历一次失败。
- 让理由、决策和后果保持连接，并把可复用的学习成果送回那些应当改变的方法。
- 通过内建的能力形成机制，形成技能、领域迷你内核或另一个情境化内核，同时带上有用的知识，以及继续学习和形成更多能力的能力。
- 通过本地拥有的知识，跨会话、跨协作智能体延续下去，保留当前的工作及其方向背后的理由。

KA 让可能性的场域保持开放；FDLA 在工作成形时纠正偏差；Meta_Skill 识别、组合并发展能力。这些功能通过智能体和实际来源共同起作用。内核指南解释了它们的含义与运作方式。

工作、学习、回归

安装好的智能体使用活的上下文和相关能力，形成一个结果。新的知识、成功的做法、一种可能性或一次纠正，随后都能改变下一步所用的方法。内核保留有用的理由和延续方式，而不需要把整段对话重放一遍。

5.1.0 版指示智能体在实质性回复的结尾，用一个紧凑的可纠正的归因，指向它认为已作出贡献的能力。
这条痕迹让参与变得可读；它不暴露隐藏推理，也不为下一轮规定固定技术栈。

自主接收方从自己的上下文和可用手段出发。当某项持久能力或其延续缺失时，它借助已有的能力形成来复用、深化、组合或形成最小可用的关系。
启动上下文是必需的；访谈仍是可选的，由实际缺失的内容引导。发布内容 说明了变更及其边界。

START_HERE.md 是稳定入口。活的能力体拥有方法；本地状态和知识承载变化中的上下文。现有本地辅助命令包括 status、configuration-status、competence-status、learning-status 和 operating-status；使用指南 展示了如何调用它们。

更新包与演进项目知识是两回事。把完全相同的产物重新应用到未变更的安装上是幂等的；不同版本不是自动迁移。更新连续性方法 关联了安装基线、本地演进和拟议更新。

一个改善下一项任务的决策

假设某个智能体正在帮团队选择数据导入策略。它读取实际数据和约束，汇集相关的技术与领域能力，比较可行方案。选定的方案及其理由成为当前项目知识。

如果这项工作还揭示出一种可复用的不完整记录检测方式，那么该方法应归入日后处理导入的那个能力。当前决策和新能力有不同的归属：两者都保留，后来的会话才能还原当初为何这样选，并把下一项任务做得更好。形成方法的能力也能从这一结果中学习，改进它识别有用学习的方式，而不把每个事件都变成又一个技能。

这是预期运行关系的一个示例，不是每个接收模型都测得的成果。生成式启动种子 和 能力形成归属方 让该方法可供检查和取用。

编码宿主与证据

该包为 codex、claude、opencode、hermes、openclaw、pi、dsh 和 generic 提供配置档。兼容性指南 标明了它们的安装路径和发现条件。配置档可用，并不代表每个宿主或模型都实际使用过。

源码测试和分发验证覆盖包完整性、安装器与恢复机制、路由和本地状态契约。它们不能证明接收模型理解、使用或吸收了这些方法。参见 5.1.0 发布内容 说明了本次交付的变更，以及接收模型使用与评审的入口。

研究与方向

MAIOS Project Kernel 是 D-ND/MAIOS 研究计划的软件化身。System Semantic Kernel 工作论文 探讨了意义、能力、操作与结果之间的关系，包括系统如何改变自身形成能力的方法。D-ND 宣言 描绘了更宏大的路线，从今天的认知内核，到研究通过这些关系原生形成的模型。原生形成的 LLM-D-ND 仍是一个研究方向。

从你的上下文开始

可直接安装的发行版在 package/。对你的编码助手说：

Help me install MAIOS Project Kernel in [target folder].
The package and installation instructions are in package/.
Then read the installed START_HERE.md and help me use it.

install.py 会预览并执行安装。它根据选定的目标自动决定文件夹处理方式，并保留已有的工作成果。安装后的 START_HERE.md 介绍内核与当前上下文。探索或理解可以是最先做的有用工作；需要时再初始化项目。

安装器和本地辅助工具要求 Python >=3.11（已验证：3.11–3.14），且不依赖任何第三方 Python 包。预览/执行命令、冲突处理与卸载见 安装与恢复；集成、能力与日常操作见 使用指南。

测试、反馈与更新

真实的测试者对内核的演进很有价值。初次使用的印象能暴露出入口不清、不必要的延迟、缺失的上下文、意外的长处，甚至在没有技术缺陷时也能发现新的可能。

在活跃使用期间，source-contact-status 会提示何时该进行常规的上游联系。当前有实质性问题时，提前检查可能有用。源联系是只读且非阻塞的，没有后台进程，也不隐含外部影响；更新的源是需要理解的可能性，不是自动更新。源联系方法由 kernel/UPDATE_CONTINUITY.md 负责。

当真实使用产生了有价值的观察，让你的编码助手准备一份 Evolution Feedback。编码助手应先向你展示可公开的反馈内容，并在提交前征得你的同意。经验、摩擦、疑问、意外的成功或可能的改进，用 GitHub Issue；具体的源修正，用 fork 加聚焦的 Pull Request。测试者不需要、也不应仅仅为了贡献就获得上游 main 的直接写权限。

见 CONTRIBUTING.md 和 GitHub Evolution Feedback 模板。
反馈是给维护者的证据，不是自动授权去改 Kernel 或测试者的项目。

学习、贡献或构建

不安装包也能研究并改进公开源码。用你的智能体打开仓库根目录，让它读 AGENTS.md，并使用 skills/maios-kernel-study/SKILL.md 里的方法：

Read AGENTS.md and skills/maios-kernel-study/SKILL.md.
Use that competence to help me understand the Kernel.
Follow one concrete example from the current sources: how does work change
the knowledge or competence used next?

人和 AI 模型都能通过贡献指南贡献方法、知识、问题、证据和代码。仓库的 maios-kernel-contribution 技能能帮你把这份工作变成有源码依据的贡献。

| 你的下一步 | 文档 |
| 使用并维护项目 | 用法 · 安装 |
| 理解 Kernel | 知识 · 架构 |
| 提交真实使用反馈 | 贡献 · Evolution Feedback 模板 |
| 参与本仓库开发 | 文档地图 · 构建 · 来源 |
| 探索研究 | System Semantic Kernel 工作论文，独立学术文集 |
| 跟进变更 | 更新日志 · 当前源码状态 |

仓库拥有产品源码。package/ 是它生成的、可安装的分发产物，不要直接编辑。公开源码的改动与导出方法体的更新走构建指南里两条不同的路径。

软件和文档采用 MIT License。见第三方声明和名称与商标。