🧠 Knowledge System Evo

AI 驱动的可复利知识系统 — 让每次处理都不是结束，而是下一次处理的输入。

English · 中文

📖 这是什么？

Knowledge System Evo 是一个基于 Myco 认知基质框架 构建的 AI 驱动知识管理系统。它将 AI Agent 的认知能力与结构化知识管理相结合，实现了知识的持续摄取、消化、输出和巡检的闭环流程。

核心理念来自 Compound Engineering（复利工程）：

❌ 不要只让 AI 生成一次性结果。 ✅ 要让 AI 帮你生成一套能持续使用、自我增强的系统。

🌐 双层架构

本仓库包含两个紧密协作的组件：

组件	说明
Myco	Agent-First 共生认知基质框架 — 为 AI Agent 提供代谢管道、免疫系统、菌丝网络等认知运行时
Knowledge System	Myco 的一个基质实例 — 基于 Zettelkasten 笔记法的可复利知识系统，集成 Obsidian 作为展示层

┌─────────────────────────────────────────────────┐
│              Knowledge System (基质实例)           │
│  ┌─────────┐  ┌─────────┐  ┌─────────┐         │
│  │  Obsidian │  │  Trae   │  │Claude   │         │
│  │  (展示层) │  │  (操作)  │  │ Code    │         │
│  └────┬─────┘  └────┬────┘  └────┬────┘         │
│       └──────────────┼───────────┘               │
│                      │ MCP                       │
│  ┌───────────────────┴───────────────────┐       │
│  │         Myco 认知基质 (v0.4.1)         │       │
│  │  摄入 → 消化 → 循环 → 稳态 → 起源     │       │
│  └───────────────────────────────────────┘       │
└─────────────────────────────────────────────────┘

✨ 核心特性

🔄 四步闭环流程

┌──────────┐     ┌──────────┐     ┌──────────┐     ┌──────────┐
│  📥 摄取  │ ──▶ │  🔬 消化  │ ──▶ │  📤 输出  │ ──▶ │  🔍 巡检  │
│  Ingest  │     │  Digest  │     │  Output  │     │  Inspect │
└──────────┘     └──────────┘     └──────────┘     └──────────┘
      │                │                │                │
      ▼                ▼                ▼                ▼
   raw/           knowledge/        outputs/        inspection/
  (原始材料)      (知识结构)        (内容产物)        (审计报告)

步骤	动作	说明	产出
📥 摄取	标准化	把外部输入（网页/论文/播客/PDF）统一转为 Markdown	`raw/YYYY/MM/`
🔬 消化	编译化	把原始材料编译为可复用的知识结构	摘要 / 概念卡 / 主题页
📤 输出	场景化	基于知识系统回答问题或生成内容	问答 / 文章 / 备忘录
🔍 巡检	审计化	定期检查系统结构性问题，生成报告	巡检报告

🍄 Myco 五大生物支柱

子系统	生物角色	职责
Genesis（起源）	播种	引导创建全新的底物骨架
Ingestion（摄入）	进食	无过滤地吞噬原始输入
Digestion（消化）	代谢	驱动永恒迭代与进化
Circulation（循环）	灌注	维护菌丝图谱的连通性
Homeostasis（稳态）	免疫	强制执行不变量与质量检查

🛡️ 8 维免疫系统

ID	类别	名称	功能
M1	结构	CanonIdentityFields	检查契约身份字段
M2	结构	EntryPointExists	检查入口文件存在
M3	结构	WriteSurfaceDeclared	检查写入表面已声明
SH1	发布	PackageVersionRef	检查版本引用可解析
MB1	代谢	RawNotesBacklog	检查原始笔记积压
MB2	代谢	NoIntegratedYet	检查尚无已消化笔记
SE1	语义	DanglingRefs	检查断链引用
SE2	语义	OrphanIntegrated	检查孤立已消化笔记

🚀 快速开始

前置要求

Python >= 3.10
Obsidian（可选，用于浏览知识图谱）
Claude Code / Trae（可选，用于 AI Agent 操作）

安装 Myco

# 基础安装
pip install myco

# 带 MCP 支持（推荐）
pip install 'myco[mcp]'

# 开发安装
pip install -e ".[dev,mcp]"

一键安装到 AI 编码工具

# Claude Code
myco-install claude-code

# Cursor
myco-install cursor

# VS Code
myco-install vscode

# Windsurf
myco-install windsurf

# Zed
myco-install zed

# Claude Desktop
myco-install claude-desktop

# OpenClaw
myco-install openclaw

初始化知识系统

# 引导新底物（一次性）
myco genesis --project-dir ./my-knowledge --substrate-id my-knowledge

# 导入种子知识包（可选）
myco seed --auto-detect

# 运行入门教程
myco tour

跑通最小闭环

# 1. 会话开始 — 感知底物状态
myco hunger --execute

# 2. 捕获知识
myco eat "发现了一个性能问题：数据库查询未使用索引" --tags "performance,db"

# 3. 消化知识
myco reflect

# 4. 查看健康状态
myco health

# 5. 会话结束
myco session-end

🛠️ 使用方法

方式一：Obsidian 浏览（日常浏览）

用 Obsidian 打开 knowledge-system/ 文件夹
通过文件浏览器浏览 raw/、knowledge/、outputs/
利用 [[wikilinks]] 双向链接在知识条目间跳转
使用反向链接面板查看引用关系
使用 Templater 插件 + .obsidian/templates/ 中的模板快速创建文件

方式二：AI Agent 操作（批量处理）

告诉 AI 先阅读 AGENTS.md 了解系统规则，然后使用标准指令模板：

# 摄取
请先阅读 AGENTS.md，然后按照 prompts/ingest.md 的要求，将以下内容摄取为标准化 raw 文件

# 消化
请先阅读 AGENTS.md，然后按照 prompts/digest.md 的要求，对以下 raw 文件执行消化

# 输出
请先阅读 AGENTS.md，然后按照 prompts/output.md 的要求，基于知识系统回答以下问题

# 巡检
请先阅读 AGENTS.md，然后按照 prompts/inspect.md 的要求，对知识系统执行巡检

方式三：Claude Code 集成（自动化运行时）

Claude Code 通过以下机制实现自动化：

MCP Server：通过 .mcp.json 配置，Agent 可直接调用所有 Myco 命令
Hooks：SessionStart 自动执行 hunger，PreCompact 自动执行 session-end
Skills：hunger 和 session-end 两个技能提供会话仪式

方式四：Trae IDE 集成

在 Trae IDE 中导入 .trae/skills/ 下的 4 个技能包：

技能	触发词
`knowledge-ingest`	"摄取"、"入库"、"保存"
`knowledge-digest`	"消化"、"编译"、"提炼"
`knowledge-output`	"回答"、"生成"、"写"
`knowledge-inspect`	"巡检"、"检查"、"审计"

方式五：Python CLI 工具

# 检查 Obsidian 连接
python tools/ks.py health

# 搜索知识库
python tools/ks.py search "关键词"

# 摄取新资料
python tools/ks.py ingest --title "标题" --content "正文" --source-url "https://..."

# 在 Obsidian 中打开文件
python tools/ks.py open knowledge/index/index.md

# 查看总索引
python tools/ks.py index

📁 项目结构

Knowledge-system-evo/
├── Myco/                          # 🍄 Myco 认知基质框架
│   ├── src/myco/                  #    框架源码
│   │   ├── core/                  #      核心模块（canon, context, paths, version）
│   │   ├── surface/               #      表面层（CLI + MCP）
│   │   ├── ingestion/             #      摄入模块（eat, hunger, sense, forage, seed, tour）
│   │   ├── digestion/             #      消化模块（reflect, digest, distill, output）
│   │   ├── circulation/           #      循环模块（perfuse, propagate）
│   │   ├── homeostasis/           #      稳态模块（immune, health, inspect）
│   │   ├── genesis/               #      起源模块（genesis）
│   │   └── seed_packs/            #      种子知识包（python-web, react, data-science, devops）
│   ├── tests/                     #    测试套件
│   ├── docs/                      #    架构文档（L0-L3）
│   ├── pyproject.toml             #    项目配置
│   └── LICENSE                    #    MIT 许可证
│
├── knowledge-system/              # 🧠 知识系统（Myco 基质实例）
│   ├── raw/                       #    📥 摄取层：原始材料池
│   ├── knowledge/                 #    🔬 知识层（Zettelkasten）
│   │   ├── fleeting/              #      💭 临时想法
│   │   ├── literature/            #      📚 阅读笔记与摘要
│   │   ├── permanent/
│   │   │   ├── concepts/          #      💎 概念卡（原子化）
│   │   │   └── topics/            #      🗺️ 主题页（综合深度）
│   │   └── index/                 #      📋 索引与导航
│   ├── outputs/                   #    📤 输出层
│   │   ├── qa/                    #      ❓ 问答归档
│   │   ├── article/               #      ✍️ 图文长文
│   │   ├── memo/                  #      📝 研究备忘录
│   │   └── social/                #      📢 社交媒体
│   ├── inspection/                #    🔍 巡检报告
│   ├── tools/                     #    🛠️ Python CLI 工具（12 个模块）
│   ├── prompts/                   #    📋 AI 提示词模板
│   ├── schemas/                   #    📐 Schema 模板
│   ├── skills/                    #    Claude Code 技能包
│   ├── .trae/skills/              #    Trae IDE 技能包
│   ├── .obsidian/                 #    Obsidian Vault 配置
│   ├── .github/workflows/         #    CI/CD 配置
│   └── docs/                      #    Myco 架构文档
│
├── README.md                      # 本文件（中文）
└── README_en.md                   # 英文版 README

🎮 Myco 命令速查（17 个动词）

命令	子系统	MCP 工具	说明
`genesis`	起源	`myco_genesis`	引导创建全新底物
`hunger`	摄入	`myco_hunger`	报告底物饥饿状态
`eat`	摄入	`myco_eat`	捕获原始笔记
`sense`	摄入	`myco_sense`	按关键词搜索底物
`forage`	摄入	`myco_forage`	列出可摄入文件
`seed`	摄入	`myco_seed`	导入种子知识包
`tour`	摄入	`myco_tour`	交互式入门教程
`reflect`	消化	`myco_reflect`	批量提升 raw 笔记
`digest`	消化	`myco_digest`	提升单条笔记
`distill`	消化	`myco_distill`	创建蒸馏提案
`output`	消化	`myco_output`	导出精炼知识
`perfuse`	循环	`myco_perfuse`	报告图谱健康度
`propagate`	循环	`myco_propagate`	发布到下游底物
`immune`	稳态	`myco_immune`	运行免疫 lint
`health`	稳态	`myco_health`	知识健康仪表盘
`inspect`	稳态	`myco_inspect`	全面底物巡检
`session-end`	元	`myco_session_end`	reflect + immune --fix

全局标志：--project-dir（覆盖底物路径）、--json（JSON 输出）、--exit-on（退出策略）

🏛️ Myco 架构分层

L0  愿景层        五项根本原则（Only For Agent、永恒吞噬、永恒进化、永恒迭代、万物互联）
L1  契约层        七条硬规则（R1-R7：会话仪式、断言前感知、即时捕获、交叉引用等）
L2  教义层        五个子系统教义（Genesis、Ingestion、Digestion、Circulation、Homeostasis）
L3  实现层        包映射、命令清单、迁移策略
L4  活底物层      _canon.yaml + 代码 + notes/

严格规则：L0 > L1 > L2 > L3 > L4，下层必须服从上层。

🧩 内置种子知识包

包名	内容	文件数
`python-web`	FastAPI、项目结构、测试、数据库、部署	5
`react`	组件基础、状态管理、性能优化	3
`data-science`	Pandas、数据可视化	2
`devops`	Docker、CI/CD	2

# 查看可用包
myco seed --list

# 自动检测项目类型并推荐
myco seed --auto-detect

# 导入指定包
myco seed --pack python-web

🔌 MCP 集成

Myco 通过 MCP（Model Context Protocol）与 AI 编码工具集成。每个 CLI 命令都对应一个 MCP 工具：

{
  "mcpServers": {
    "myco": {
      "command": "mcp-server-myco",
      "args": []
    }
  }
}

所有 MCP 工具响应附带 substrate_pulse 侧车，提醒 Agent 遵守 R1-R7 规则。

支持 stdio / SSE / Streamable HTTP 三种传输方式。

🌱 灵感来源

Andrej Karpathy — LLM Knowledge Bases

Karpathy 在 X/Twitter 上分享了用 LLM 构建个人知识库的完整工作流（阅读量超 1900 万）：

用 LLM 将原始数据"编译"为 .md wiki，再通过 CLI 工具进行问答和增量增强，全部在 Obsidian 中查看。

数字游牧人 Samuel — Compound Engineering

Samuel 系统化地提出了 Compound Engineering（复利工程） 理念：

不要只让 AI 生成一次性的结果。要让 AI 帮你生成一套能持续使用、自我增强的系统。

🤝 贡献

欢迎贡献！请查看 CONTRIBUTING.md 了解详情。

# 开发环境设置
git clone https://github.com/Battam1111/Knowledge-system-evo.git
cd Knowledge-system-evo/Myco
pip install -e ".[dev,mcp]"

# 运行测试
pytest tests/ -q

# 运行免疫系统
myco immune

📄 许可证

本项目基于 MIT License 开源。

让每一次处理，都不是结束，而是下一次处理的输入。

Name		Name	Last commit message	Last commit date
Latest commit History 1 Commit
Myco		Myco
knowledge-system		knowledge-system
.gitignore		.gitignore
README.md		README.md
README_en.md		README_en.md

Folders and files

Latest commit

History

Repository files navigation

🧠 Knowledge System Evo

📖 这是什么？

🌐 双层架构

✨ 核心特性

🔄 四步闭环流程

🍄 Myco 五大生物支柱

🛡️ 8 维免疫系统

🚀 快速开始

前置要求

安装 Myco

一键安装到 AI 编码工具

初始化知识系统

跑通最小闭环

🛠️ 使用方法

方式一：Obsidian 浏览（日常浏览）

方式二：AI Agent 操作（批量处理）

方式三：Claude Code 集成（自动化运行时）

方式四：Trae IDE 集成

方式五：Python CLI 工具

📁 项目结构

🎮 Myco 命令速查（17 个动词）

🏛️ Myco 架构分层

🧩 内置种子知识包

🔌 MCP 集成

🌱 灵感来源

Andrej Karpathy — LLM Knowledge Bases

数字游牧人 Samuel — Compound Engineering

🤝 贡献

📄 许可证

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages