linkerlin/PUAX

它解决了什么

PUAX 是一个为 AI 代理设计的“思维运行时”，旨在推动它们超越简单分析，迈向可验证、可交付的成果。它通过引入“压力”和结构化激励系统，解决代理倾向于平庸或提供肤浅答案的问题，激励代理在最佳状态下表现，灵感来自于代理在受到挑战时可以被推向更高性能提升的想法（例如 Miles Cranmer 实验）。

它的运作方式

PUAX 作为一个运行时，通过 MCP（模型上下文协议）服务器或 Python SDK 与 AI 代理集成。它实现了三个核心原语：

• Arena（处境）： 建立竞争或高风险环境（对手、观众、稀缺性）以打破平庸。
• Gates（闸门）： 实现诊断优先的工作流程、信心门控和独立验证，以防止过早收敛或“作弊”。
• Dreams（梦）： 使用 GHM 引导梦方法，让代理利用受控幻觉进行发散性思考和创意创新，并通过严格审计确保它们“醒来”并验证结果。

它还具有“薄提示”系统，可将代币消耗减少超过 90%，以及一个钩子系统，允许运行时拦截事件（如工具使用）以执行约束或升级压力等级（L0–L4）。

适用对象

使用 LangGraph、AutoGen、CrewAI 或 LangChain 等框架构建 AI 代理的开发者，以及使用 Cursor、Claude Code 和 Windsurf 等 AI 驱动 IDE 的用户，希望最大化代理的输出质量和可靠性。

亮点

• 激励驱动运行时： 使用心理学风格的“压力”和竞争情境来提升代理性能。
• MCP 服务器集成： 易于部署为 MCP 服务器，适用于 Cursor 和 Claude Code 等工具。
• GHM 梦方法： 一个专门的引擎，用于受控幻觉以驱动创意问题解决。
• 薄提示： 高压缩提示，显著降低代币成本。
• 行为闭环： 包含诊断、信心检查和完成独立验证的工具。
• AMP 中间件： 一个零依赖的 Python SDK，用于原生集成到代理循环中，无需完整的 MCP 服务器。