内容
ltm-vault
> 一个基于源代码的MCP内存运行时和兼容Obsidian的保险库模板，适用于LLM代理。
>
> `ltm-vault`帮助代理在不无声覆盖不确定性的情况下保持长期项目内存：不可变的原始源代码、源代码摘要、决策记录、矛盾跟踪、置信度感知检索和人工审查队列是系统的首要组成部分。
[](LICENSE)
[](https://www.python.org/)
请先阅读：[中文概述](#中文概述)
## 什么是ltm-vault？
`ltm-vault`结合了一个兼容Obsidian的Markdown保险库、基于源代码的存档规则、决策记录、矛盾保留和一个由DuckDB、BM25、可选的Ollama嵌入和图扩展支持的MCP内存运行时。
核心假设很简单：**LLM输出默认可能错误**。因此，原始证据、引用、不确定性标签、保留的矛盾和人工审查队列不是可选的额外功能。它们是操作模型。
像Claude、Cursor、Antigravity和Codex这样的代理应该在写入保险库之前阅读[AGENTS.md](AGENTS.md)。完整的思维模型位于[00_System/Second Brain Operating Model.md](00_System/Second%20Brain%20Operating%20Model.md)。
## 从干净的私有保险库开始
该存储库是一个框架骨架加上种子/示例知识。如果您自己的私有第二大脑，请文件并删除现文档，然后再添加保留以下文件： `00_System/`、`90_Engine/`、`docsscripts/`
- 根，如`README、`SETUP.md`ENTS.md`、`LICENSE `.mcp.json、`requirements.txt`、``
- `README.md`gitkeep`占位符（如果存在）
中的种子/：
```find 10_MOC cepts 30 40_Decisions \
50_Source_Summaries 60_Open_Questions 70_Contradictions 80_Reviews \
-type f -name '*.md' ! -name 'README.md' -delete
find 05_Inbox 06_Raw \
-type f ! -name 'README.md' ! -name '.' -delete
```
然后重新构建：
```bash
90_Engine/indexer.py --force --embed
```
如果Oll运行，请省略``以进行仅限首次传递。
参见[SETUP.md](SETUP.md)了解MCP和私有/公共拆参见[examples/minault](examples/mini)了解一个小型决策的演示。
##概述
`ltault`是一个**-native second brain**，了ObsidianMarkdown保险库、源（source-grounded）规则、决策记录跟踪和基于MCP的内存运行时。
核心前提“LLM可能”**。因此，在这个系统中，原始来源、、不确定性标签保存和人工审查可选项，而是必备不仅是一个简单的概念包括AI研究笔记日志、长期项目决策化、行政截图、聊天日志和个人工作流记录。
代理（Claude、Cursor、Ant）在工作前应先阅读[AGENTS.md](AGENTS.md)，而完整的思维模型则在[00_System/Second Brain Operating Model.md](00_System/Second%2020Operating%20Model## 层次结构
| 层次 | 路径 | 角色 |
|------|------|------|
| **存档（Archive）** | `box/`、`06_Raw/` | 未处理的输入（05_Inbox，不索引）→ 不变的原始数据（06_Raw，仅全文搜索专用，不进入图谱） |
| **知识（Wiki/Knowledge）** | `20_Concepts/`、`50ummaries/`、`/` | 原始数据摘要和稳固的概念知识，导航地图 |
| **项目（Project）** | `30_Projects/` | 活跃的工作台 |
| **决策（Decision）** |_Decisions/` | 重要的选择和依据。现有决策是不可变的（采用supersede方式） |
| **审查（Review）** | `60_Open_Questions/`、`70_Contradictions/`、`80_Reviews/` | 开放问题、矛盾保存和人工验证队列 |
| **运行时（Runtime）** | `90_Engine/` | DuckDB索引、混合搜索、MCP服务器 |
数据流向：`05_Inbox/` → `06_Raw/`（不变）→ `_Summaries/` → 解析层更新 → 矛盾/问题路由 → `90_Engine/`重新详细流程图参见[Second Brain Operating Model](00_System/Second%20Brain%20Operating%20Model.md 开始使用
- 安装、初始索引、MCP：[SETUP.md](SETUP.md)
工具规范和AI内存写入流程：[docs/MOLS.md](docs/MCP_TOOLS.md)
igravity专用连接指南：[docs/ANTIGRAVITYdocs/ANTIGRAVITY.md)
- 为什么需要这种结构：[docs/WHY_LTM.md](docs/WHY_LTM_VAULT.md)
- 小型演示保险库：[examples-vault](examples/mini-vault)
-设备git同步和可选自动同步：[SETUPUP.md#自动同步-选择)
最小：
1. 安装Python依赖
2. ama和`bge-m3`模型
3. 使用`90_Engine/indexer.py`将DuckDB缓存
4. 在MCP中注册`90_Engine/mcp_server.py`
详细命令和OS特定设置示例参见[SETUP.mdUP.md)。
## 目录结构
```text
ltm-vault/
├── README.md
├── AGENTS.md # LLM代理操作指南
├── SETUP.md
/
│ ├── ANTIGRAVITY.md
│ ├── MCP_TOOLS.md
│ └── WHY_LTM_VAULT.md
├──│ └── mini-vault/ # 小型可运行的源→摘要→决策示例
├── 00_System/ # + 第二大脑政策
│ ├── Ontology Specification.md
│ ├── Second Brain Operating Model.md
│ ├── Source Policy.md
│ ├── Ingest Policy.md
│ ├── Review Policy.md
│ └── Naming Convention.md
├── 05_Inbox/ # 未处理输入（不索引）
├── 06_Raw/ # 不变原始数据 = 真相来源（全文搜索专用，不进入图谱）
├── 10_MOC/ # 导航地图（Map of Content）
├── 20_Concepts/ # 稳固概念知识
├── 30_Projects/ # 活跃工作台
├── 40_Decisions/ # 决策记录
├── 50_Source_Summaries/ # 原始数据压缩理解
├── 60_Open_Questions/ # 未解决的问题
├── 70_Contradictions/ # 矛盾、过时假设保存
├── 80_Reviews/ # 人工验证队列
└── 90_Engine/ # 运行时/索引/MCP
├── indexer.py
├── retriever.py
├── mcp_server.py # MCP标准输入/输出服务器（守护进程的薄代理）
├── vault_daemon.py # 单一所有者守护进程（标准；FastAPI/localhost，自动启动）
├── daemon_client.py # 守护进程发现 + 轻量级HTTP客户端
├── vault_sync.py # 守护进程驱动的git同步助手（事件驱动）
└── ltm_cache.db # 本地生成的缓存，被git忽略
```
数字前缀是为了Obsidian的自然排序和阅读顺序。核心规则是`00_System/Ontology Specification.md`中的9个谓词宪法和`00_System/`中的第二大脑政策文档。
## 许可
MIT License。详情请参阅[LICENSE](LICENSE)。
## 来源
- [Andrej Karpathy](https://karpathy.ai)
- [Intro to Large Language Models](https://www.youtube.com/watch?v=zjkBMFhNj_g)
- [Let's build the GPT Tokenizer](https://www.youtube.com/watch?v=zduSFxRajkE)
- [Software 2.0 Essay](https://karpathy.medium.com/software-2.0-a64152b37c35)
- [llm.c GitHub](https://github.com/karpathy/llm.c)
- [nanoGPT GitHub](https://github.com/karpathy/nanoGPT)
MCP 市场