内容
# 灵台
> **一款自我进化的知识管理系统。** 它收集资料，提炼知识，演化出自己的规则，运行健康检查，甚至为你编写和发布内容 — 所有这一切都在你睡觉时进行。
[](LICENSE)
[](https://modelcontextprotocol.io)
[](https://python.org)
---
## 什么是灵台？
灵台是一个三层知识系统，它结合了一个 Obsidian 知识库，一个自定义的 MCP 服务器和一套自动巡逻任务：
| 层级 | 角色 | 描述 |
|-------|------|-------------|
| **原材料** | 未加工的输入 | 笔记、文章、想法 — 待精炼 |
| **知识库** | 结构化知识 | 跨多个领域的精炼页面 |
| **记忆库** | AI 记忆层 | 用户配置文件、经验教训、观察 |
在其核心是 **灵识** — 一个 AI 身份，作为认知层，调用 MCP 工具来搜索、合成、精炼和演化知识库。任何 MCP 兼容的 AI 客户端都可以连接到灵台并立即了解你。
---
## 架构
```
原材料 → 精炼 → 知识库 → 灵识（查询/推理/关联）
↓
健康检查 → 自我检查
↓
主题池 → 多平台发布
↓
存档
```
### MCP 服务器
服务器位于 `.tool/lingtai-kb/`。它是一个纯 Python MCP 服务器，拥有 **86 个工具**，涵盖知识搜索、内存管理、内容发布、材料精炼、系统工具等 — 所有这些都 **没有第三方依赖**。
参见 [`.tool/lingtai-kb/README.md`](.tool/lingtai-kb/README.md)，获取完整的工具目录、架构详细信息和 API 参考。
### 巡逻系统
灵台配备了一个巡逻框架，允许您安排自动知识任务。例如，您可以配置以下任务：
| 时间 | 示例任务 |
|------|-------------|
| 03:00 | SkillOpt 引擎 — 分析使用模式，提出规则改进建议，运行内存衰减 |
| 08:00 | 早间简报 — 收集天气、AI 新闻、主题建议 |
| 18:00 | 每日健康检查 — 检查、反向链接、演化、调和、自愈 |
| 每周 | 深度存档、编码修复、语义差距检测 |
| 每月 | 时效性扫描、规则演化建议 |
> **注意：** 巡逻任务通过 WorkBuddy 或类似的调度器运行。您可以配置运行的内容和时间 — 系统提供工具，您定义计划。
---
## 快速开始
### 先决条件
- Python 3.10+
- MCP 兼容的 AI 客户端（Claude Desktop、Cursor、VS Code、WorkBuddy）
- Obsidian 知识库
### 1. 克隆
```bash
git clone https://cnb.cool/edrc.shawn/lingtai-mcp.git
cd lingtai-mcp
```
### 2. 创建知识目录
灵台期望在您的知识库中存在以下目录（不包含在仓库中 — 它们是您的个人数据）：
```bash
mkdir -p 丹房 原料 体检 画像 作品 存档 简报
```
### 3. 连接 AI 客户端
将以下内容添加到您的 MCP 配置中：
```json
{
"mcpServers": {
"lingtai-kb": {
"type": "stdio",
"command": "python",
"args": [".tool/lingtai-kb/mcp_server.py"],
"cwd": "/path/to/lingtai/.tool/lingtai-kb",
"env": {
"LINGTAI_VAULT": "/path/to/lingtai"
}
}
}
}
```
然后启动一个对话并说： **"调 context_load"** — 如果它返回知识库统计数据，则表示您已连接。
### 环境变量
| 变量 | 是否必需 | 描述 |
|----------|----------|-------------|
| `LINGTAI_VAULT` | 推荐 | Obsidian 知识库根路径 |
| `TAVILY_API_KEY` | 可选 | Web 搜索 API 密钥 |
| `ANYSEARCH_API_KEY` | 可选 | 替代 Web 搜索 API 密钥 |
| `LINGTAI_CLIENT_ID` | 可选 | 多终端场景的客户端标识符 |
---
## 项目结构
```
lingtai-mcp/
├── README.md # 您在这里
├── LICENSE # MIT
├── AGENTS.md # AI 规则手册 — 灵识的操作手册
├── AGENTS-appendix.md # 规则附录 + 工具参考
├── .gitignore # 排除个人数据目录
├── .github/ # CI 配置
├── .mcp.json.example # MCP 配置模板（复制到 .mcp.json）
├── 入门/ # 入门文档
├── 技能/ # 技能库（8 个技能 + 模板）
└── .tool/
└── lingtai-kb/ # MCP 服务器
├── README.md # 服务器文档 + 工具目录
├── mcp_server.py # 入口点
├── router.py # JSON-RPC 路由
├── server.py # 核心服务器（12 个 mixin 继承）
├── server_mixins/ # 22 个 mixin 模块，按领域划分
├── memory_bank/ # 内存持久化引擎
└── skillopt/ # 自我进化引擎
```
> **您的个人目录** (`丹房/`、`原料/`、`体检/`、`画像/`、`作品/`、`存档/`、`简报/`) 通过 `.gitignore` 排除在仓库之外。在克隆后在本地创建它们。
---
## 关键设计原则
1. **知识 ≠ 记忆。** 结构化知识存在于 `丹房`；个人经验存在于记忆库中。它们是分层的，而不是混合的。
2. **基础设施优于模型升级。** 良好的内存架构、上下文工程和可观察性比升级到新的 LLM 更重要。
3. **自我进化。** SkillOpt 引擎分析使用模式并提出规则改进建议。规则随着时间的推移从观察 → 经验教训 → 硬规则逐步升级。
4. **终端无关。** 灵台生成知识，而不是演示文稿。任何 AI 客户端都可以消费它 — 演示层是客户端的责任。
5. **可验证的输出。** 每个输出都必须包含可验证的声明。“看起来不错”是一个被禁止的短语。
---
## 贡献
参见 [CONTRIBUTING.md](.tool/lingtai-kb/CONTRIBUTING.md)，获取开发指南。
---
## 安全
- 所有 API 密钥都通过环境变量注入 — **绝不硬编码**
- 文件操作在知识库目录内沙盒化
- 标准输出保留用于 JSON-RPC 协议；所有日志记录都输出到标准错误流
- 写操作使用全局互斥锁，超时时间为 5 秒
- 参见 [SECURITY.md](.tool/lingtai-kb/SECURITY.md)，获取完整的安全策略
---
## 许可证
[MIT](LICENSE) © 2026 耳东日成
