grapeot/context-infrastructure

是什么

Context Infrastructure 是一个面向 AI 助手的为期一年的「上下文」系统的参考实现。它展示了如何组织数据、让模型记住过往互动，并个性化其行为。该仓库不是一个开箱即用的产品；它旨在被克隆、审查并作为您自己 AI 驱动工作流的蓝图进行定制。

核心理念

层级	包含内容	使用方式
展示层（只读）	rules/axioms/（43 个提炼的决策公理）和 rules/skills/（39 个技能 Markdown）——作者积累知识的示例。	参考其结构和措辞来启发您自己的规则；不要逐字复制，因为它们是作者个人的。
可复用层（可编辑）	模板：rules/SOUL.md（AI 身份）、rules/USER.md（您的偏好）、rules/COMMUNICATION.md（风格指南）。periodic_jobs/ai_heartbeat/ 中的小脚本，实现三层次记忆系统。	用您自己的数据填充模板，配置脚本，并运行它们（通常通过 cron）以赋予助手个性化的上下文。
不可复用层	公理的具体内容以及每个技能背后的经验。	用作如何记录和组织您自己观察与反思的范例。

快速开始（约 5 分钟）

git clone https://github.com/grapeot/context-infrastructure
cd context-infrastructure
# 在 Claude Code / OpenCode / Cursor（任意您喜欢的 IDE）中打开文件夹

1. 打开 rules/USER.md 并填写您的基本信息——这是立即个性化 AI 的步骤。
2. 按照 setup_guide.md 中的详细步骤完成配置（环境变量、cron 任务等）。
3. 如果想添加额外功能，可查阅 docs/SKILL_ECOSYSTEM.md，其中列出了可选的公共技能仓库（网络搜索、Google Docs、地图、邮件等）。

仓库结构（概览）

• 根文件 – 路由表（AGENTS.md）、设置指南、.env.example。
• docs/ – cron 任务指南和可选技能仓库目录。
• rules/ – 模板（SOUL.md、USER.md、COMMUNICATION.md）、工作区索引、43 个决策公理、39 个技能 Markdown。
• contexts/ – 系统存储记忆的位置：
  • memory/OBSERVATIONS.md – 三层 L1/L2 记忆存储。
  • daily_records/、survey_sessions/、thought_review/ – 原始日志、报告和反思笔记的文件夹。
• periodic_jobs/ai_heartbeat/ – 每日（observer.py）和每周（reflector.py）运行的代码，用于更新记忆存储；包含设计文档。
• tools/ – 报告分享助手（Tier 2）。
• adhoc_jobs/ – 您可能添加的一次性任务的存放位置。

工作原理（概念上）

1. 数据收集 – 您（或其它脚本）将观察记录写入 contexts/memory/OBSERVATIONS.md 和其他每日日志。
2. 定期任务 – 由 cron 触发的 observer.py 每日摄入新日志；每周的 reflector.py 将其处理为更高层次的摘要。
3. 规则文件 – AI 在每次会话开始时读取 rules/SOUL.md（其人格）和 rules/USER.md（您的偏好），从而塑造其回应。
4. 技能插件 – 可选择性添加公共技能仓库以扩展功能（搜索、日历、支付等）。核心仓库保持轻量；功能按需添加。

预期使用场景

• 希望 AI 助手记住其过往互动、决策和个人偏好的个人。
• 寻找「记忆增强型」AI 系统结构具体示例的开发者，包括数据流、定期处理和基于规则的个性化。
• 对 LLM 驱动代理的长期上下文管理设计感兴趣的任何人。

许可证

MIT – 您可以自由复制、修改和重新分发代码，但需遵守许可证条款。