内容
<div align="center">
<img src="assets/banner.png" alt="TricorderKit — 本地优先的知识操作系统" width="820" />
# TricorderKit
**本地优先的知识操作系统** — 将意图转化为可追踪、可审计、可重用的工作流程。
CLI优先 · 自我改进 · 可衡量 · 在您的机器上运行。
[](CHANGELOG.md)
[](.planning/STATE.md)
[](STATUS.md)
[](docker-compose.yml)
[](LICENSE)
[快速开始](#-快速开始) • [架构](#-架构) • [衡量结果](#-衡量结果) • [内部机制](#-内部机制) • [常见问题](#-常见问题)
</div>
---
## 为什么选择TricorderKit？
大多数智能代理设置都是一堆提示词和脚本，没有人可以审计、复制或改进。TricorderKit 将智能代理视为**知识工作操作系统**：每个意图都成为一个**可追踪、可测试、可重用**的工作流程，并且系统**自我改进**。
| | 临时智能代理设置 | **TricorderKit** |
|---|---|---|
| **运行位置** | 云，数据离开机器 | **本地优先** — Ollama、Neo4j、Qdrant 在您的机器上 |
| **声明** | "我的提示词有效" | **可衡量** — 离线基准测试 + 634 个测试 |
| **质量** | 希望 | **关卡** — 公共边界 + 文档同步、预推送和 CI |
| **演化** | 手动提示词调整 | **自我改进循环** — 提议，由测试和人工审查控制 |
| **可复制性** | "在我的笔记本电脑上有效" | 版本化插件、运行手册、确定性自测试 |
> 诚实第一：以下每个数字都来自**此仓库中的自测试和离线基准测试**。没有夸大的指标，没有虚假的星级。
---
## 🚀 快速开始
```bash
git clone https://github.com/GeekFamilyCorp/TricorderKit.git
cd TricorderKit
# 1. 健康检查 — 已安装的内容，缺少的内容
python cli/tk.py doctor
# 2. 启动可选的本地栈（RAG + 工作流程 + 可观察性）
docker compose --profile graph up -d # Neo4j + Qdrant
# ... 配置文件：graph | workflows | observability（仅启动需要的部分）
# 3. 试用
python cli/tk.py status
python cli/tk.py research "<topic>" # 自主研究流程
```
无需 GPU。重量级组件是**可选的**（Docker 配置文件），因此全新克隆可以轻量启动。
---
## 🧭 架构
```mermaid
flowchart TD
U([用户意图]) --> MB[主脑 v1.5<br/>路由器 + 守卫 + 预算]
MB --> SK[技能和插件<br/>13 个插件]
MB --> MEM[内存<br/>启动 · Temporal SQLite · 每日日志]
SK --> RAG[混合 RAG · 图形化<br/>Qdrant + BM25 + RRF + 重新排序器]
SK --> RES[深度研究<br/>网络 · API · 来源]
RAG --> KB[(本地知识库<br/>Neo4j + Qdrant)]
RES --> KB
MB --> SI[自我改进循环<br/>学习引擎 · 超级雷达]
SI -. 提议仅 .-> SK
MB --> EV[评估实验室<br/>RAGAS · 重复数据删除 · 检索]
SK --> GATE{{质量关卡<br/>公共边界 · 文档同步}}
GATE --> GIT[(Git · CI)]
LLM[本地 LLM · Ollama / LiteLLM 网关] --- MB
LLM --- RAG
```
一切都是**本地优先的**：智能代理（Claude 或通过 Ollama/LiteLLM 网关的本地模型）、知识库（Neo4j + Qdrant）、内存（SQLite）和工作流程引擎（Temporal）都在您的机器上运行。
---
## 📊 衡量结果
来自**离线基准测试**的真实数字位于 [`experiments/`](experiments/) 下（每个都有 `--selftest`）。使用 `python experiments/<name>/<script>.py --selftest` 进行复制。
| 能力 | 基准测试 | 结果 |
|---|---|---|
| **嵌入阻止重复数据删除** | 与穷举模糊比较，质量相等 | **F1 1.0，比较次数减少 91%** |
| **时间内存** （双时间，SQLite） | "在时间 T 上发生了什么" | **100% 准确率，令牌减少 95%**，与完整上下文相比 |
| **GraphRAG** | 多跳关系问题，预算相等 | **100% 覆盖率 vs 50–67%** 平面 RAG |
| **评估器驱动的调优** （OpenEvolve 风格） | 自动调优重复数据删除阈值 | **F1 0.909 → 1.0**，无需 GPU，本地 LLM |
| **RAG 评估** （RAGAS） | 真实性 / 相关性 / 上下文 | 客观评分，可选 LLM 作为裁判 |
此外，CI 中有 **634 个测试**和一个**超级雷达**，每周扫描最新成果并提出改进建议（经过人工验证，但不会自动采用）。
---
## 🧩 内部机制
`plugins/` — **13 个插件**，例如：`deep-research-core`（自主研究）、`graphify`（本地优先混合 RAG）、`learning-engine`（自我改进）、`token-optimizer`（模型路由 + 预算）、`eval-lab`（质量评估器）、`workflow-engine`（Temporal）、`security-audit-cli`、`memory-boot`等。
`skills/` — 可组合的技能，包括 **超级雷达**（创新雷达）、**代码纠正器**（网页修复/强化）、**智能代理配置审计**（审计智能代理的自身 MCP/钩子/权限/秘密）、**文档到技能**、**开发协议**、**字幕修复**。
`experiments/` — 隔离的、可离线运行的 PoCs（RAGAS、时间内存、重复数据删除、GraphRAG、OpenEvolve）。仅在决策后推广。
`cli/tk.py` — 一个 CLI：`status · doctor · skill · workflow · vault · research · project · security · mcp · rapport`。
参见 [STATUS.md](STATUS.md) 获取每个插件的仪表盘，[ROADMAP.md](ROADMAP.md) 获取下一步计划。
---
## ❓ 常见问题
<details><summary><b>我需要 GPU 或云 API 吗？</b></summary>
不需要。TricorderKit 是本地优先的，针对本地 LLM（通过 LiteLLM 网关与 Ollama 配合使用，具有重试和本地回退功能）。云模型是可选的。
</details>
<details><summary><b>它是否绑定到特定领域？</b></summary>
公共引擎是通用的。它是一个 CLI 优先的智能操作系统，用于知识工作；知识库、来源和技能由您定义。
</details>
<details><summary><b>"自我改进"如何保持安全？</b></summary>
学习循环仅生成**提议**（草稿）。提议需要绿色测试**和**人工审查。质量关卡（公共边界 + 文档同步）在每次推送和 CI 中运行。
</details>
<details><summary><b>为什么是"TricorderKit"？</b></summary>
致敬星际迷航中的三录仪 —— 一种可以按需扫描、分析和综合信息的工具。
</details>
---
## 许可证
MIT — 参见 [LICENSE](LICENSE)。欢迎贡献和星级。⭐
<div align="center">
*TricorderKit v1.1.0 — GeekFamilyCorp — 2026*
</div>
MCP 市场