认知架构

Brain 层是 AuroraBot 的认知内核，代号 CortexForge。它不是一个具体的智能体应用，而是一个用于生成智能体的底层操作系统。其核心假设：

• 智能体的全部认知状态都表示为文件（超级多态变量）。
• 智能体的认知活动都建模为节点（Node），节点守护文件、被事件触发、产出新文件。
• 整个系统的协调通过事件总线完成，构成一张声明式的认知拓扑电路。

挼挼如是说

别把 Brain 想象成一个"AI 大脑"——它更像一间无限大的档案馆。每份文件都有自己的锁、版本号和读者登记册。工人们（节点）坐在各自的工位上，面前的文件篮一旦有东西滑入就开始工作，干完活把产出放进下一级文件篮。没有人喊"开工"，是文件本身在推动一切运转。

设计原则

1. 状态即文件 — 一切可变或不可变状态均以文件形式持久化，具备元信息、版本与锁。
2. 无状态节点 — 节点本身不保持运行内存状态（除 LLM 宿主上下文），节点实例可随时销毁与重建。
3. 静态依赖声明 — 节点的输入/输出文件在定义时即声明完毕，形成静态资源依赖图；运行时的通路由事件在图上动态寻找。
4. 事件驱动 — 文件变动通过事件总线广播，节点按模式订阅，自行决定是否激活。
5. 分层认知 — 认知过程分离为 Agent（需 LLM 的思考型节点）和 Router（纯机械化的反射型节点），共享统一基类。
6. 双上下文投影 — 系统支撑一个沉浸式人格主上下文（热认知池）和一个结构化认知上下文（冷认知池），通过 Router 翻译层连接。

核心概念

文件 — 第一等公民

文件是系统的全部数据流载体，不是"临时变量"——是持久的、有版本的、加锁的。

多态性：文件可以是 JSON、YAML、纯文本、向量索引、数据库分片等。

元信息：每个文件附带版本号、锁状态、消费者偏移和历史快照引用。

代码中的对应：

类	角色
FileDescriptor	声明一个节点将产出的文件（路径、schema、锁策略）
FilePattern	声明一个节点守护的文件模式（支持 glob 通配）
FileEvent	文件变更事件（路径、变更类型、版本号、时间戳）
FileUpdate	节点执行后产出的文件变更（描述符 + 内容 + 写入模式）

节点 — 认知原子

一切认知逻辑的载体，分为两种派生类型，共享统一基类 Node。

Node 基类：

Node:
    id: str
    type: "agent" | "router"
    guards: List[FilePattern]    # 守护的文件模式
    produces: List[FileDescriptor]  # 产出的文件
    state: IDLE | READY | RUNNING | WAITING | ERROR | TERMINATED

    on_event(event) → bool    # 事件是否应激活本节点
    execute() → List[FileUpdate]  # 执行认知操作
    on_complete()              # 生命周期钩子

节点无内部记忆（除 Agent 可能持有的临时 LLM 上下文），每次执行后理论上可被回收。

Agent（认知型节点）

• 持有一个 LLM 宿主实例，执行时调用 LLM
• 通过 think() 方法调用统一 LLM 网关，自动注入系统提示词
• 执行过程中可能异步等待，时长不确定
• 产出为确定性文件，可通过版本控制回滚

Router（反射型节点）

• 零 LLM 调用，纯逻辑门，执行时间可预测
• 是流程控制结构的原生载体：条件分支、多路汇集、扇出、终止信号等
• 已实现的 Router 类型：SwitchRouter、WaitRouter、MergeRouter、HeartbeatRouter、ReflexRouter、FanOutRouter、TerminalRouter、MemoryAgent（详见 节点系统）

事件总线 — 神经束

文件变更通过事件总线广播，节点按模式订阅，自行决定是否激活。核心机制：

• 模式订阅 — 节点注册 FilePattern（glob），不直接监听物理路径
• 事件合并 — 对同一文件的连续快速变更进行窗口合并
• 优先级队列 — 用户交互等高优事件可抢占低优后台任务
• 事件溯源 — 所有事件顺序写入追加日志，用于事后调试与重演

锁机制

每份文件上压着一个锁章:

锁状态	含义
read_only	只读，任何节点不可写入
write_overwrite	可覆盖写入
append_only	只允许追加
locked_by_<node_id>	被特定节点独占

静态依赖图 — 认知拓扑电路

节点与文件之间的读写关系构成一张有向二分图：

• 节点 → 产出文件（写边）
• 文件 → 守护节点（读边）

这张图在系统启动时由所有节点的 guards 和 produces 声明聚合而成。运行时的"通路"由事件在图上动态寻找——从变更的文件出发，沿读边找到所有订阅节点，激活后它们写新文件，再沿写边扩散。通路不是预先编好的脚本，而是动态激发的波前。

上图来自设计白皮书 CortexForge 0.7，展示的是目标态认知拓扑。当前实现的部分节点（ReflexRouter、SwitchRouter、WaitRouter、HeartbeatRouter、MergeRouter）已就位，其余节点正在逐步填充。

双上下文认知

AuroraBot 的认知系统天然分为两个池：

热认知池 — 人格主上下文

• 载体：conscious_stream.md（追加的散文式意识流）
• 由认知节点维护，呈现小光的人格、语气、记忆
• 沉浸式、连续、不可删除——这是她的"自我感"的来源

冷认知池 — 结构化认知上下文

• 载体：intent.json、self_eval.json、memory_result.json 等结构化文件
• 由 Agent 节点读写，Router 节点路由
• 工单式、可版本化、可回滚——这是她的"思考过程"

两个池通过 BroadcastRouter 连接：它将冷冰冰的结构化文件翻译成自然语言的内心独白，注入热认知池。

下一步阅读

• 想理解节点的设计细节：读 节点系统
• 想理解内核调度：读 内核运行时
• 想理解记忆系统：读 统一联合记忆
• 想看完整设计白皮书：意识引擎架构白皮书