1. 项目概述一个本地优先的自主智能体操作系统如果你和我一样对市面上那些动辄就把你的对话记录、文件内容一股脑上传到云端服务器的AI助手感到不安同时又厌倦了为了完成一个复杂任务需要在十几个不同工具之间来回切换的繁琐流程那么Cognithor的出现可能会让你眼前一亮。这不是又一个基于云服务的聊天机器人而是一个旨在彻底运行在你个人电脑上的“智能体操作系统”。它的核心哲学很简单你的数据只属于你。Cognithor将自己定位为“Cognition Thor”——智慧与力量的结合。它试图将大型语言模型的认知能力与一个能够实际执行任务、自动化工作流的强大执行引擎结合起来并且这一切都发生在你的本地环境中。通过Ollama或LM Studio你可以完全离线运行它无需向任何外部API发送一个字节的数据。当然它也支持OpenAI、Anthropic、Google Gemini等近20家云服务商但这只是一个可选项而非强制要求。想象一下你有一个7x24小时在线的数字助手。你可以通过终端、网页、Telegram、Discord等18种不同的方式与它对话。它不仅能理解你的指令还能记住上周的谈话内容根据你的知识库进行推理并代表你执行操作搜索网页、编写和编辑文件、运行Shell命令、控制浏览器、自动化桌面操作点击、打字、读取窗口、管理日历甚至随着时间的推移学习新的技能。它更像是一个私有的、可自我进化的“贾维斯”。1.1 核心设计理念从“聊天”到“行动”大多数AI工具停留在“问答”层面而Cognithor的目标是“代理”。这其中的关键区别在于一个名为PGE Trinity的核心架构规划器、守门人、执行器。规划器由LLM驱动。它负责理解你的自然语言请求结合记忆系统中的上下文将其分解成一个结构化的行动计划其中包含一系列具体的工具调用。比如你问“帮我研究一下量子计算的最新进展并写一份摘要”规划器会生成一个计划[搜索网络 - 筛选和总结信息 - 创建Markdown文档 - 保存到知识库]。守门人这是一个确定性的策略引擎完全不依赖LLM。它的职责是审查规划器提出的每一个工具调用。它会根据预设的安全规则风险等级绿色/黄色/橙色/红色、沙箱策略和参数验证判断这个操作是否被允许、是否安全。这有效防止了LLM“幻觉”可能导致的危险操作比如尝试删除系统文件。执行器负责在沙箱环境中安全地执行守门人批准的操作。它采用基于有向无环图的并行调度意味着独立的操作可以并发执行大大提升了效率。例如同时从三个不同的新闻网站抓取信息。这个三层架构确保了智能体既具备LLM的灵活性和理解力又拥有确定性的安全护栏和高效的执行能力。1.2 谁适合使用Cognithor隐私敏感型用户不希望个人对话、工作文档或自动化脚本经过第三方服务器的开发者、研究员、作家。效率追求者和极客热衷于用自动化解放双手喜欢折腾工作流不满足于单一功能工具的技术爱好者。AI实验者和研究者需要一个稳定、可扩展的平台来构建和测试多智能体协作、复杂任务分解等前沿概念。知识工作者依赖个人知识库如Obsidian用户希望将AI深度集成到知识管理流程中的人。需要注意的是Cognithor目前处于Beta/实验阶段。这意味着它功能强大但可能不够稳定API可能在版本间变化部分界面仍为德语。它不适合用于生产环境或面向客户的关键服务但对于愿意尝鲜、能接受一些“粗糙边缘”的早期使用者来说它是一个潜力巨大的工具箱。2. 核心架构与模块深度解析要理解Cognithor能做什么必须深入其架构。它不是一堆脚本的简单堆砌而是一个经过深思熟虑设计的系统。2.1 六层认知记忆系统让AI拥有“过去”记忆是智能的基石。Cognithor设计了一个分层的记忆体系模拟了人类不同的记忆类型层级名称持久化方式目的与类比1. 核心CoreCORE.md文件定义了智能体的身份、基本规则和人格。好比一个人的核心价值观和长期形成的性格。2. 情景Episodic按天的日志文件记录每天发生的具体事件和对话。“昨天我们讨论了项目A的架构”。这是短期的事件记忆。3. 语义Semantic知识图谱 SQLite存储事实、概念、实体及其关系。“量子比特是量子计算的基本单位”“项目A的负责人是张三”。这是关于世界的知识。4. 程序性ProceduralMarkdown YAML元数据存储从成功经验中学习到的技能和工作流。“如何高效进行文献综述”的步骤清单。这是“肌肉记忆”。5. 工作Working内存易失当前会话的活跃上下文。你正在思考和处理的信息。相当于大脑的“工作台”。6. 战术TacticalSQLite存储当前活跃的目标、待执行动作和回滚点。用于管理复杂、多步骤的任务状态。这个系统的精妙之处在于其四通道混合搜索。当规划器需要上下文时它会同时从四个维度检索BM25全文搜索基于关键词匹配对德语复合词有优化快速找到相关文本片段。向量语义搜索使用Ollama生成的嵌入向量通过余弦相似度找到语义上接近的内容。知识图谱遍历沿着实体关系网络进行探索。例如搜索“张三”时可以关联到他负责的“项目A”和“项目A”用到的“技术B”。分层文档推理针对长文档如PDF、DOCX先解析其标题结构树再由LLM导航选择最相关的章节进行精读无需为整个文档生成嵌入向量。检索系统会对这四个通道的结果进行加权分数融合并考虑信息的新旧程度时间衰减最终合成一个最相关的上下文注入到工作记忆中整个过程通常在50毫秒内完成。实操心得记忆系统的调优默认的搜索权重配置可能不适合所有场景。如果你发现智能体总是引用旧信息可以调整config.yaml中memory_search部分的recency_decay_factor增大它以更偏好新信息。如果你的知识库专业术语多可以适当提高bm25_weight。这个微调过程对提升对话连贯性至关重要。2.2 知识库与Obsidian无缝集成除了内部的六层记忆Cognithor还维护着一个Obsidian兼容的知识库位于~/.cognithor/vault/。这不是一个黑盒数据库而是一个你可以直接用Obsidian打开的文件夹。目录结构预置了recherchen/研究、meetings/会议、wissen/知识、projekte/项目、daily/日报等分类。文件格式标准的Markdown文件包含YAML Frontmatter用于元数据如标题、标签、来源和双括号[[内部链接]]。工具集成提供了vault_save保存、vault_search搜索、vault_list列表、vault_read读取、vault_update更新、vault_link链接六个MCP工具智能体可以像你一样操作这些笔记。可视化直接在Obsidian中打开这个仓库你可以利用其强大的图谱视图、反向链接和查询功能可视化你的知识网络。这实现了人机知识的双向流动你可以在Obsidian中整理思想智能体可以读取、补充并基于这些知识进行推理智能体自动生成的研究摘要、会议纪要也可以保存到这里成为你个人知识体系的一部分。2.3 计算机使用让AI成为你的“数字双手”这是Cognithor最令人兴奋的功能之一。它不只能“说”还能“做”。通过计算机使用模块它可以控制你的桌面视觉感知对屏幕进行截图并使用视觉语言模型如qwen3-vl理解屏幕上有什么按钮、文本框、图标。精确交互Windows UI自动化通过pywinauto库直接访问操作系统的UI自动化接口获取窗口和控件的精确坐标和属性实现精准点击和输入。视觉回退对于不支持UI自动化的场景回退到基于视觉模型的坐标识别。安全执行一个三层安全模型确保安全允许列表预先定义一组安全的操作和应用程序。守门人策略对每个拟执行的操作进行风险评估。工具执行器在沙箱中运行最终指令并设有超时和资源限制。整个流程是用户提出目标如“打开浏览器搜索今天的新闻”- 任务分解器将其拆分为子任务 - 通过UIA或视觉定位元素 - 安全层审批 - 执行点击/键入等操作 - 自适应等待页面响应 - 进入下一轮迭代。注意事项桌面自动化的风险启用此功能需格外谨慎。务必在config.yaml的computer_use部分严格配置allowed_apps允许的应用程序和restricted_actions受限操作如file_delete,registry_edit。建议初始阶段在虚拟机或非生产环境中测试。Cognithor的AST抽象语法树安全守卫会分析任何生成的代码但物理操作的风险最终需要用户自己把控。2.4 模型上下文协议145个即插即用的工具Cognithor通过模型上下文协议一个新兴的、旨在标准化LLM与工具交互的协议暴露了其绝大部分能力。目前集成了超过145个工具涵盖14个模块基础操作文件系统、Shell命令、内存管理。网络与信息网页搜索支持SearXNG、Brave、Google CSE、DuckDuckGo四重回退、浏览器自动化基于Playwright支持无头模式、CAPTCHA绕过、媒体处理。知识与协作知识库操作、知识合成、文档分析PDF/DOCX/HTML的LLM结构化分析、社交监听Reddit、Hacker News、Discord、看板管理。身份与代理身份管理、代理到代理通信。这意味着无论是规划器LLM还是你通过API集成的其他智能体都可以通过一套统一的、声明式的接口来调用这些工具极大地增强了系统的可扩展性和互操作性。3. 从零开始部署与配置实战指南理论说得再多不如动手一试。下面我将带你完成一次典型的Cognithor部署。3.1 环境准备与安装Cognithor支持多种安装方式这里以最通用的源码安装为例适用于Linux/macOS和Windows通过WSL或PowerShell。前提条件Python 3.12这是硬性要求因为项目使用了Python 3.12的一些新特性。Git用于克隆代码库。Ollama这是推荐的本地LLM后端。前往 ollama.ai 下载并安装。安装后在终端运行ollama --version确认安装成功。安装步骤# 1. 克隆仓库 git clone https://github.com/Alex8791-cyber/cognithor.git cd cognithor # 2. 创建并激活虚拟环境强烈推荐避免污染系统Python python -m venv .venv # Linux/macOS source .venv/bin/activate # Windows (PowerShell) .venv\Scripts\Activate.ps1 # 3. 安装Cognithor及其所有可选依赖 # 使用 uv 安装器如果已安装会快10倍否则自动回退到pip pip install -e .[all,dev][all,dev]这个“额外依赖”标识会安装所有通道Telegram, Discord等、Web UI以及开发工具。如果你只想用核心功能可以只安装pip install cognithor。3.2 获取与配置LLM模型安装完成后你需要为Cognithor提供“大脑”。如果你选择本地运行需要拉取Ollama模型。# 拉取推荐模型组合 ollama pull qwen3:32b # 规划器模型需要较强推理能力约20GB VRAM ollama pull qwen3:8b # 执行器模型用于常规工具调用约6GB VRAM ollama pull qwen3-embedding:0.6b # 嵌入模型用于语义搜索和记忆约0.5GB VRAM # 如果你的GPU显存不足例如只有8GB可以只使用一个较小的模型 # ollama pull qwen3:8b # 然后在配置中指定 planner 和 executor 都使用这个模型关键配置解析 Cognithor的配置非常灵活但核心配置集中在~/.cognithor/config.yaml首次运行后自动生成。你只需要关注几个关键点# ~/.cognithor/config.yaml 示例 # 1. 选择LLM后端 llm_backend_type: ollama # 可选: ollama, lmstudio, openai, anthropic, gemini 等 # 2. 如果使用Ollama配置模型名称 planner: model: qwen3:32b # 规划器使用的模型 executor: model: qwen3:8b # 执行器使用的模型 # 3. 如果你想使用云端LLM如Gemini只需设置一个API密钥 # gemini_api_key: your_gemini_api_key_here # 设置后llm_backend_type 会自动检测为 gemini无需手动修改 # 4. 启用并配置计算机使用谨慎 computer_use: enabled: false # 初次使用建议先关闭熟悉后再开启 vision_model: qwen3-vl # 视觉模型 allowed_apps: [chrome, firefox, notepad, explorer] # 允许控制的应用程序 click_require_approval: true # 点击操作需要手动批准 # 5. 记忆系统配置 memory: hybrid_search_weights: bm25: 0.3 vector: 0.4 graph: 0.2 hierarchical: 0.1 recency_decay_hours: 72 # 信息新鲜度衰减时间小时避坑指南模型加载与Ollama服务确保Ollama服务在后台运行。在Linux上可以通过systemctl --user status ollama检查。如果遇到连接错误尝试ollama serve在前台启动服务并检查~/.cognithor/config.yaml中的ollama_base_url是否正确默认是http://localhost:11434。Windows用户有时会遇到防火墙阻止连接需要允许Ollama通过防火墙。3.3 启动与初体验配置好后就可以启动Cognithor了。有多种启动方式方式一纯命令行交互模式cognithor # 或者 python -m cognithor启动后你会进入一个富文本终端界面可以直接与智能体对话。输入/help可以查看所有可用命令。方式二无头模式 Flutter命令中心这是体验其完整功能的最佳方式。首先以后台API模式启动核心服务python -m cognithor --no-cli服务将在http://localhost:8741启动。然后启动Flutter Web UI需要Flutter环境cd flutter_app flutter run -d chrome或者如果你使用Windows安装包或已经构建好了Web版本直接打开浏览器访问http://localhost:8741即可。Flutter命令中心是一个具有科幻美学风格的仪表盘在这里你可以在聊天页面与Cognithor对话看到实时的工具调用流。在观察页面可视化GEPA目标-执行-规划-评估流水线。在知识图谱页面浏览语义记忆中的实体关系。在配置页面动态修改几乎所有设置并实时生效。方式三连接消息渠道以Telegram为例在Telegram中找BotFather创建一个新的机器人获取API Token。将Token添加到~/.cognithor/.env文件JARVIS_TELEGRAM_TOKEN你的机器人Token JARVIS_TELEGRAM_ALLOWED_USERS你的Telegram用户ID重启Cognithor。它会自动检测到Token并启用Telegram通道。在Telegram中与你的机器人对话Cognithor就会回应你。实操心得首次对话的引导第一次启动时智能体可能对你的领域一无所知。一个好的做法是通过聊天或编辑~/.cognithor/CORE.md文件清晰地告诉它你的身份、你希望它扮演的角色、你的工作领域以及基本的行事规则。例如“你是一个专注于Python开发和自动化脚本的助手。你的回复应简洁、实用优先提供可执行的代码片段。” 这能帮助它更快地建立有效的“核心记忆”。4. 高级功能与实战应用场景掌握了基础部署我们来探索一些能真正提升生产力的高级功能。4.1 知识合成从信息碎片到洞察报告这是Cognithor的杀手锏之一。knowledge_synthesize工具可以跨越记忆、知识库和网络搜索的结果进行元分析。场景你想了解“Rust语言在系统编程中的最新趋势”。触发合成你可以直接要求“请综合我的知识库和网络信息写一份关于Rust在系统编程中最新趋势的报告。”内部流程规划器会调用web_search工具进行多源搜索。同时调用memory_search和vault_search在你的本地记忆和知识库中查找相关笔记。将所有检索到的片段可能来自Hacker News的帖子、你的读书笔记、官方博客作为上下文发送给LLM。LLM执行融合分析对比不同观点、识别共识、发现矛盾、梳理时间线、评估信息置信度并最终生成一份结构化的报告包含摘要、关键点、矛盾之处和研究建议。输出一份带有置信度评级的综合报告并自动保存到你的知识库recherchen/目录下。这个功能将你从手动收集、阅读、对比信息的繁琐工作中解放出来直接获得经过初步加工的洞察。4.2 自动化工作流与DAG引擎对于重复性任务你可以利用其有向无环图工作流引擎来创建自动化流水线。假设你有一个每周任务“抓取GitHub上特定主题的Trending仓库分析其主要语言并更新我的追踪列表”。定义工作流在~/.cognithor/workflows/下创建一个YAML文件例如weekly_github_scan.yaml。name: Weekly GitHub Trending Analysis schedule: 0 9 * * 1 # 每周一早上9点 steps: - id: fetch_trending tool: web_search params: query: site:github.com/trending python week provider: searxng - id: extract_repos tool: parse_html params: html: {{ steps.fetch_trending.output }} selector: .repo-list-item depends_on: [fetch_trending] - id: analyze_languages tool: code_analyze params: repo_list: {{ steps.extract_repos.output }} depends_on: [extract_repos] - id: update_tracking tool: vault_update params: path: projekte/tech_track.md content: {{ steps.analyze_languages.output }} depends_on: [analyze_languages]引擎执行DAG引擎会解析依赖关系depends_on并行执行独立步骤例如在分析仓库1语言的同时获取仓库2的详情并管理重试和错误处理。结果持久化最终的分析结果会自动更新到你的知识库中。4.3 技能市场与社区共享你不仅可以使用内置的145个工具还可以从社区获取或分享自己的“技能”。技能是一种封装了更复杂逻辑的MCP工具包。浏览技能市场在Flutter命令中心的“技能市场”页面你可以浏览社区贡献的技能例如“生成架构图”、“发送加密邮件”、“监控服务器日志”。安装技能点击安装Cognithor会自动从GitHub仓库拉取技能包运行5重验证代码扫描、依赖检查、沙箱测试等并将其注册为新的MCP工具。创建自己的技能使用提供的Agent SDK你可以用装饰器快速定义自己的技能。from cognithor.sdk import tool, agent tool( namecalculate_metrics, description计算项目健康度指标, risk_levelGREEN ) def calculate_project_health(issues: int, prs: int, commits: int) - dict: 基于Issue、PR和Commit数量计算健康度分数。 health_score (prs * 0.5 commits * 0.3) / (issues 1) return {score: health_score, level: good if health_score 1 else needs_attention}将你的技能发布到GitHub并提交到社区注册表就可以供他人使用了。4.4 多智能体协作Cognithor支持运行多个具有不同特长的智能体并让它们协作完成任务。场景设计一个系统架构。定义智能体团队在配置中你可以设置一个“架构师”智能体使用claude-opus温度较低注重严谨一个“批评家”智能体使用gemini-pro擅长挑刺和一个“协调员”智能体。发起协作任务你向协调员提出“设计一个高可用的微服务API网关”。内部辩论与投票协调员将任务分发给架构师和批评家。架构师提出初步设计。批评家从安全性、性能、成本等角度提出质疑和修改建议。两者通过A2A代理到代理协议进行多轮辩论。协调员收集论点或进行投票或综合双方意见最终生成一份包含多种方案和评估的设计文档。这种模式对于需要多角度审视的复杂决策问题非常有效模拟了现实世界中的专家会议。5. 故障排除与性能优化即使设计再精良在实际使用中也会遇到问题。以下是一些常见问题的排查思路和优化技巧。5.1 常见问题速查表问题现象可能原因排查步骤与解决方案启动失败提示Python版本错误Python版本低于3.12。运行python --version确认。使用pyenv或conda安装Python 3.12。Ollama连接超时Ollama服务未启动防火墙阻止配置地址错误。1. 运行ollama serve启动服务。2. 检查config.yaml中的ollama_base_url默认http://localhost:11434。3. 临时关闭防火墙或添加规则。模型加载慢或响应迟缓模型过大超出GPU显存使用了CPU推理。1. 检查GPU使用情况nvidia-smi。2. 换用更小模型如qwen3:8b。3. 在Ollama中尝试设置num_gpu层数如ollama run qwen3:8b --num-gpu 40。4. 确保安装了正确的CUDA/cuDNN版本。Telegram/Discord机器人无响应Token配置错误.env文件未加载网络问题。1. 确认.env文件在~/.cognithor/目录下且变量名正确。2. 重启Cognithor观察日志中是否有“Channel X started”的消息。3. 对于Telegram检查JARVIS_TELEGRAM_ALLOWED_USERS是否设置了你的ID。“工具执行被拒绝”错误守门人策略拦截操作风险等级过高。1. 查看日志中守门人给出的具体拒绝原因如risk_level: RED。2. 对于确实需要的高风险操作如运行特定脚本可以在config.yaml的gatekeeper_policies中添加临时例外或通过聊天界面手动批准。记忆搜索返回无关内容搜索权重配置不当记忆未正确存储。1. 调整config.yaml中memory.hybrid_search_weights的权重。2. 使用memory_query工具手动检查特定记忆条目的存储内容。3. 确保嵌入模型已正确加载 (ollama pull qwen3-embedding:0.6b)。Flutter UI无法连接后端后端服务未运行端口冲突CORS问题。1. 确认python -m cognithor --no-cli正在运行且无报错。2. 检查端口8741是否被占用 (netstat -ano | findstr :8741)。3. Flutter开发时确保flutter_app/lib/config.dart中的baseUrl指向正确的后端地址。5.2 性能优化实战模型分层使用不要所有任务都用最大的模型。将qwen3:32b这类大模型仅用于复杂的规划和分析任务planner而让qwen3:8b或更小的模型处理常规的工具调用和对话executor。这能显著降低响应延迟和资源消耗。启用CAG层如果你的任务中有大量重复的提示前缀例如每次都要用相同的系统指令和格式要求可以启用缓存增强生成层。它会为这些确定性前缀生成并缓存KV-Cache后续请求直接复用能提升约15-30%的生成速度。在config.yaml中设置cag_enabled: true。调整上下文窗口默认会携带大量历史上下文。对于不需要长上下文的任务可以在对话中明确告诉智能体“请忘记之前的对话我们重新开始”或者通过配置限制max_context_tokens。使用--lite模式如果你只是进行简单的文件操作或查询启动时加上--lite标志它会禁用一些重型模块如计算机使用、部分搜索通道加快启动和运行速度。定期清理记忆情景记忆和战术记忆会不断增长。可以设置自动清理策略或定期手动归档/删除旧的日志文件~/.cognithor/memory/episodic/以保持系统轻量。5.3 安全配置强化安全无小事尤其是当AI能执行代码和操作桌面时。沙箱强化在Linux上确保bubblewrap已安装Cognithor会用它创建命名空间隔离。检查config.yaml中的sandbox_level从permissive逐步提高到strict进行测试。网络访问控制在gatekeeper_policies下可以定义network_allowlist只允许工具访问特定的域名或IP段防止恶意脚本进行网络探测或数据外传。凭证管理所有API密钥都使用FernetAES-256加密后存储在SQLCipher数据库中。确保你备份了~/.cognithor/目录下的密钥文件。切勿将.env文件提交到版本控制系统。操作审计启用audit_log_enabled: true。所有工具调用、守门人决策、执行结果都会被记录到审计日志中并带有SHA-256链式哈希确保日志不可篡改。这对于事后审查和合规性非常重要。我个人在长达数月的使用中最大的体会是信任但验证。Cognithor提供了强大的自动化能力但初始阶段一定要设置严格的安全策略并经常查看审计日志。从一个封闭的沙箱环境开始逐步放宽权限同时观察智能体的行为是否符合预期。这个系统更像是一个需要驯服和协作的伙伴而非一个完全托管的黑盒服务。它的强大程度最终取决于你如何精心地配置和引导它。