🧠
认知决策流水线
基于有向有环图的多 Agent 认知决策流水线, 天然具备生理节律, 能够自然形成认知循环.
AuroraBot本地自循环, 自架构的智能体框架
高度解耦的 App 插件体系 · 基于图的多 Agent 认知决策流水线 · 统一联合记忆
Skip to content
她是什么
AuroraBot 不是一个普通的聊天机器人，而是一个在本地环境中持续运行的自循环、自规划的数字生命。
她由三层协作者构成：
- 感知与执行层 — 通过可插拔的 App 插件体系接入外部世界
- 认知与决策层 — 多 Agent 流水线持续消费事件、生成计划、编排动作
- 记忆与演化层 — 基于图的统一联合记忆系统，让每一次交互都成为演化的养分
她不是在“等待指令”，而是在“持续观察、自主决策、主动行动”。
亮点架构
高度解耦的 App 插件体系
每个 App 都是独立的感知器与执行器，通过统一的 PlatformAPI 与宿主交互。接入 QQ、定时器、文件系统、甚至外部 API——都只需要一个 App。
多 Agent 自循环的认知-决策-行动框架
内核不依赖单一“超级 Agent”，而是将认知过程拆分为多个独立阶段：
| 阶段 | 职责 |
|---|---|
PlanAgent | 从事件队列中识别意图，生成计划 |
ExpandAgent | 将计划展开为可执行的原子动作 |
ExecuteAgent | 调用 App 命令，执行并回写结果 |
每个心跳周期内，调度器按优先级选择一个 Agent 执行一步，自然形成自循环。
基于图的统一联合记忆系统
AuroraBot 的记忆不只是“存下来”，而是结构化地生长。知识图谱、向量检索与情景记忆融合为一个统一记忆层，让每一次事件、每一次决策都参与记忆演化。
计划中的 MCP 适配容器
我们正在设计一个 MCP (Model Context Protocol) 适配容器，让任意 MCP 服务器以 App 形态接入 AuroraBot。
这意味着：
- 任何遵循 MCP 协议的工具都可以成为 AuroraBot 的能力延伸
- MCP 工具会被自动映射为内核可调用的命令
- 内核流水线无需感知 MCP 协议细节，由适配容器统一处理
让 MCP 生态成为你的数字生命的一部分。
快速导航
完整的架构设计、使用指南与开发文档请 访问 AuroraBot 文档站 📖：
| 文档 | 说明 |
|---|---|
| 项目总览 | 快速了解 AuroraBot 的定位与分层 |
| 快速开始 | 从零把项目跑起来 |
| 系统架构总览 | 理解 App / Platform / Kernel 三层边界 |
| 内核流水线 | 深入多阶段 Agent 编排模型 |
| 平台运行时 | 理解宿主与 App 的运行时关系 |
| App 开发指南 | 开发你自己的 App |
| AUR CLI 路线图 | 查看未来规划 |
开源致谢
AuroraBot 站在众多优秀开源项目的肩膀上构建：
| 项目 | 说明 | 开源协议 |
|---|---|---|
| NoneBot2 | 跨平台 Python 机器人框架 | MIT License |
| LiteLLM | 统一 LLM API 调用层 | LICENSE |
| mem0 | 智能体记忆基础设施 | Apache License 2.0 |
| ChromaDB | 开源向量数据库 | Apache License 2.0 |
| OneBot | 统一聊天机器人接口标准 | MIT License |
| VitePress | 文档站生成框架 | MIT License |
特别感谢 MaiBot 为本项目提供架构灵感与设计参考。