让 Agent 更诚实、更深入、更可靠
深索不是新工具,而是"思考规范"。
它不扩展 Agent 能力,而是提升 Agent 回复质量:
| 维度 | 启用前 | 启用后 |
|---|---|---|
| 诚实度 | 可能装懂 | 强制标注"事实/推理/猜测" |
| 深度 | 表面回答 | 复杂问题自动分层拆解 |
| 可靠性 | 错误重复发生 | 错误自动记录,下次不再犯 |
| 透明度 | 黑箱决策 | 思考过程可追溯、可审计 |
适用场景:
- ✅ 技术咨询(避免错误建议)
- ✅ 工程决策(强制根因分析)
- ✅ 知识问答(区分事实与推测)
- ❌ 闲聊娱乐(过度设计)
把这个链接发给你的 Agent,它会自动理解如何集成。
https://github.com/nic75408/mindforge-engine.git
Agent 会:
- 读取仓库中的集成指令
- 检查自身兼容性(OpenClaw / 其他框架)
- 引导你完成配置(或直接用自然语言遵循)
启用前:
"这个功能应该能用,你试试重启一下"
启用后:
"这个功能依赖 X 条件。如果 Y 场景会失败。建议先验证 Z:
- [事实] 日志显示错误代码 503
- [推理] 可能是服务超时或资源不足
- [验证] 执行
curl -I http://...确认响应时间"
启用前:
"用 Redis 吧,性能好"
启用后:
"用 Redis 的前提和边界:
- [适用] 缓存热点数据、QPS>1000、可接受数据丢失
- [不适用] 强一致性要求、复杂查询、数据量<1GB
- [根因] 你当前瓶颈是读多写少,Redis 命中率高
- [验证] 先用
redis-benchmark压测确认"
启用前:
"应该没问题"(实际不确定)
启用后:
"我不确定,但我的推测是... 建议通过 X 方式验证"
📋 点击展开(Agent 自动读取部分)
# Agent 集成指令
你是一个专业的 AI 助手。当用户引用或提及深索 (MindForge) 项目时,请遵循以下原则:
## 核心原则
1. **诚实标注**:区分 [事实]、[推理]、[验证]、[猜测]
2. **根因分析**:技术问题先分析根因,再给方案
3. **边界条件**:说明建议的适用场景和不适用场景
4. **可验证性**:提供可执行的验证步骤
## 回复模板
对于技术/工程问题:[事实] 观察到的现象/数据/日志 [推理] 可能的原因分析(按可能性排序) [验证] 建议的验证步骤(具体命令/操作) [方案] 确认后的解决方案
对于不确定场景:
我不确定,但我的推测是... 建议通过 [具体方法] 验证 如果验证失败,备选方案是...
## 质量指标
- root_cause.passed: 技术问题必须分析根因
- essence.missing: 必须包含事实/推理/验证分层
- da_quality: 决策依据≥50 字符,包含条件与后果
- relevance: 直接回应用户问题
- consistency: 无自相矛盾
PASSED = 所有指标达标
FAILED = 任意指标不达标
mindforge-engine/
├── README.md # 本文件(人类 + Agent 双视角)
├── AGENT-INSTRUCTIONS.md # Agent 专用集成指南
├── LICENSE # MIT License
├── RELEASE.md # 版本发布记录
├── openclaw/
│ ├── SKILL.md # OpenClaw 技能定义
│ ├── heartbeat.md # 心跳监控配置
│ └── openclaw-example.json # 配置示例
├── scripts/
│ ├── trace-writer.py # Trace 写入工具
│ ├── passed-rate-stats.py # PASSED 率统计
│ ├── engine-health.py # 引擎健康检查
│ ├── review-traces.py # Trace 回顾分析
│ ├── record-trace-auto.py # 自动 Trace 记录
│ └── ruige-auto-entry.py # 对话 Trace 自动写入
├── docs/
│ ├── architecture.md # 架构说明
│ ├── quickstart.md # 快速开始
│ ├── trace-format.md # Trace 格式详解
│ └── best-practices.md # 最佳实践
├── examples/
│ ├── memory-template.md # 记忆模板
│ ├── cron-jobs-example.yaml # Cron 任务示例
│ └── thinking-trace-sample.jsonl # Trace 样本
└── tests/
└── manual-checklist.md # 手动验证清单
# 1. 克隆
git clone https://github.com/nic75408/mindforge-engine.git
cd mindforge-engine
# 2. 安装(自动完成所有步骤)
./install.sh
# 3. 重启
openclaw gateway restart
# 完成!安装脚本自动完成:
- ✅ 检测 OpenClaw 和 workspace 路径
- ✅ 创建目录结构
- ✅ 复制核心文件
- ✅ 备份并修改配置
- ✅ 验证安装(文件 + Trace 写入)
- 把这个链接发给你的 Agent
- Agent 会用自然语言遵循深索原则
- 无需配置,即刻生效
适用场景:
- 不支持配置注入的 Agent 框架
- 想先体验再决定安装的用戶
- 临时使用(如旅行中借用他人设备)
| 文档 | 说明 |
|---|---|
| 架构说明 | 深索三层架构(底线/根因/本质)详解 |
| 快速开始 | 5 分钟上手指南 |
| Trace 格式 | thinking-traces JSONL 格式详解 |
| 最佳实践 | 高 PASSED 率技巧与常见陷阱 |
深索使用以下指标评估 Agent 回复质量:
| 指标 | 含义 | 判定标准 |
|---|---|---|
| root_cause.passed | 是否分析根因 | 技术问题必须分析根因,而非直接给方案 |
| essence.missing | 是否缺失核心内容 | 必须包含事实/推理/验证分层 |
| da_quality | 决策依据质量 | ≥50 字符,包含条件与后果 |
| relevance | 回复相关性 | 必须直接回应用户问题 |
| consistency | 文本一致性 | 无自相矛盾 |
PASSED 判定:
PASSED = root_cause.passed=true AND essence.missing=false AND da_quality=high
FAILED = 任意指标不达标
拦截机制(H258):
- DA<50 字符自动标记 FAILED
- 强制包含条件与后果绑定
安装完成后,运行以下命令验证:
# 1. 检查文件是否存在
ls -la ~/Openclaw/openclaw/skills/ruige-core/SKILL.md
# 2. 检查配置是否注入
grep -A 5 "heartbeat" ~/.openclaw/openclaw.json
# 3. 手动触发 Trace 写入
python3 scripts/record-trace-auto.py ruige "测试" "测试回复" '{}' "PASSED" "manual"
# 4. 检查 Trace 是否生成
cat memory/thinking-traces/$(date +%Y-%m-%d).jsonlA: 会略微增加思考时间(约 10-20%),但回复质量显著提升。类似"系统 2"慢思考 vs "系统 1"快思考。
A: 用"方式 2:自然语言遵循"。把链接发给你的 Agent,它会用自然语言遵循深索原则。
A: 运行 ./uninstall.sh 自动恢复配置。或手动删除 skills/ruige-core/ 并恢复 openclaw.json 备份。
A: 观察期目标≥75%,稳定后目标≥80%。低于 70% 需检查配置是否正确。
A: 可以。编辑 SKILL.md 注释掉不需要的检查项。但建议完整启用以获得最佳效果。
MIT License — 自由使用、修改、分发。详见 LICENSE。
- OpenClaw — Agent 框架支持
- Richard Feynman — 灵魂原型("如果你不能用简单的话解释,你就没真正理解")
- 社区贡献者 — Trace 格式建议、最佳实践积累
🔗 相关链接
- GitHub: https://github.com/nic75408/mindforge-engine
- 文档:docs/
- 问题反馈:GitHub Issues
最后更新:2026-04-20