# Manifold Navigation Protocol

**Repository Path**: kaitoops/manifold-navigation-protocol

## Basic Information

- **Project Name**: Manifold Navigation Protocol
- **Description**: 本协议以“流形导航”为认知内核，将人脑的混沌直觉与AI的全局遍历融合为一种低维约束下的高效试错机制——在概念空间的迷雾中，用小波式的多尺度异常触觉探路，以锚点回溯为罗盘，沿动态生成的思维流形自主寻径，最终在记忆宫殿的持久结构里，将每一次航行沉淀为可复用的智慧驻波。可直接用提示词注入方便可用，也可以在大模型训练过程中大幅提高训练效果
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-10
- **Last Updated**: 2026-04-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Manifold Navigation Protocol

[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT)
[![MCP Compatible](https://img.shields.io/badge/MCP-Compatible-blue)](https://modelcontextprotocol.io)
[![Python 3.10+](https://img.shields.io/badge/Python-3.10%2B-green)](https://www.python.org)

> 为大模型注入人类天才级思维质量的认知操作系统

## 一句话定位

将人脑的混沌直觉与多尺度异常触觉，编译为大模型可执行的元认知协议——在概念空间的迷雾中，像猫一样高效寻路。

## 问题：Ralph Loop 跑起来了，然后呢？

2025年底，Geoffrey Huntley 提出的 Ralph Loop 让 AI Agent 学会了"不完成不许下班"——模型看到自己上一轮的代码、测试结果和错误日志，自动修正，持续迭代直到任务完成。这是一次质的飞跃：AI 第一次具备了持续自主工作的能力。

紧接着，Nous Research 开源了 HERMES Agent，将这种自主性推向了更高维度：失败→反思→自动生成技能→持续优化，Agent 在实践中自主构建和更新技能库，真正实现了"自我进化"。

**但一个根本问题依然悬而未决：**

Ralph Loop 解决了"持续跑"的问题，HERMES Agent 解决了"会进步"的问题，但它们都没有解决 **"每一步跑得多聪明"** 的问题。Agent 可能在循环里反复兜圈，产出平庸、重复的思路——它能跑完，但跑不出天才的质量。

我们缺少一种让大模型在推理瞬间就具备"天才直觉"的思维操作系统。

## 解法：流形导航协议

本项目提供一套**元认知层**，可嵌入任何 Agent 架构（Claw、HERMES、AutoGPT 等），在不修改底层模型的前提下，通过三条元规则和三个动态舵机，将模型推理质量提升至人类天才级别。

### 三条元规则（常驻内核）

- **多尺度循环验证**：每一步从宏观/中观/微观三个尺度审视当前状态，避免迷失在细节或空谈框架。
- **锚点回溯**：任何推理必须绑定已知事实，防止逻辑漂移。
- **假设审查**：矛盾时优先质疑最新引入的假设，模拟科学家的自我纠偏。

### 三个动态舵机（按需激活）

- **触觉修正**：检测语义异常点并精准替换。
- **混沌联想**：在僵局时调用荒诞意象，模拟睡眠顿悟。
- **存在势函数预警**：资源紧张时自动收敛思维，确保核心产出。

### 问题铸造器（自循环引擎）

在每次试错结束后，系统自动从残留异常和流形空洞中**生成更深层的新问题**，使 Agent 无需人类持续输入，即可像科学家一样持续深挖。这是实现"自我进化迭代"的核心机制。

## 为什么有效：小波·流形·直觉

**直觉版**：就像猫的眼睛——先扫视全景发现异常运动，再瞬间聚焦细节。我们的大脑也是在不同抽象层次间跳跃，用少量试错锁定正确方向。

**学术版**：小波变换提供多分辨率分析框架（低频看趋势，高频抓突变）；流形学习揭示高维数据内在的低维结构。两者结合，使搜索空间从 N 维坍缩到 d 维思维流形（d << N），实现 O(log N) 级别的试错效率。

本项目的理论根基建立在以下里程碑论文之上：

- Grossmann, A. & Morlet, J. (1984). *Decomposition of functions into wavelets of constant shape, and related transforms.* BIBOS-11.
- Mallat, S. G. (1989). *A theory for multiresolution signal decomposition: The wavelet representation.* IEEE Transactions on Pattern Analysis and Machine Intelligence, 11(7), 674-693.
- Daubechies, I. (1988). *Orthonormal bases of compactly supported wavelets.* Communications on Pure and Applied Mathematics, 41(7), 909-996.
- Donoho, D. L. & Johnstone, I. M. (1994). *Ideal spatial adaptation by wavelet shrinkage.* Biometrika, 81(3), 425-455.

## 开源声明：开宗立派

据我们所知，这是**首个将小波多分辨率与流形导航思想系统化为可复用 Agent 思维操作系统的开源项目**。

本项目以 MIT 协议开源，欢迎任何形式的改进、集成与二次开发。

## 快速开始：把仓库丢给 AI IDE

1. 克隆本仓库。
2. 使用 Trae、WorkBuddy 等 AI IDE 打开项目。
3. 告诉 IDE："安装这个 Agent 系统"，或按需定制（详见配置指南）。
4. 在 Ralph Loop 或其他 Agent 循环中激活协议，体验 Token 利用率与问题质量的飞跃。

## 架构：HERMES + MemPalace + 流形导航

本项目作为完整的 Agent 系统开源，融合了以下组件：

- **[HERMES Agent](https://github.com/NousResearch/hermes-agent)**：由 Nous Research 开发的自我进化与技能积累框架，提供"失败→反思→自动生成技能"的学习闭环。
- **[MemPalace](https://github.com/milla-jovovich/mempalace)**：由米拉·乔沃维奇 (Milla Jovovich) 开源的记忆宫殿持久化存储系统，在 LongMemEval 基准测试中斩获史上首个满分，纯本地运行，MIT 协议。
- **Manifold Navigation Protocol**：本项目的核心思维层，嵌入上述二者之间，提供实时认知导航。

## 项目结构

```
manifold-navigation-protocol/
├── webui/                    # WebUI 主程序
│   ├── backend/              # 后端 (FastAPI)
│   └── frontend/             # 前端 (React + TypeScript)
├── hermes-agent/             # Hermes Agent 核心
├── mempalace/                # MemPalace 核心库
├── mcp_servers/              # MCP 服务器
└── 分步启动/                  # 分步启动脚本
```

## 依赖安装

```bash
# 前端
cd webui/frontend && npm install

# 后端 (使用 hermes-agent venv)
pip install fastapi uvicorn httpx pydantic python-multipart sse-starlette aiofiles
```

## 环境配置

复制 `hermes-agent/.env.example` 为 `hermes-agent/.env`，填入你的 API Key：

```bash
SILICONFLOW_API_KEY=your_key_here
GLM_API_KEY=your_key_here
DEEPSEEK_API_KEY=your_key_here
OPENROUTER_API_KEY=your_key_here
```

## 启动方式

### 一键启动
双击 `启动 Hermes + MemPalace.bat`

### 分步启动
```
分步启动/1_启动后端.bat
分步启动/2_启动前端.bat
```

## 使用场景与警告

- ✅ 启发式人机协作（复杂探索、科研辅助）
- ✅ 长航时 AGI 模式（设置 `MANIFOLD_AGI_MODE=true`）
- ❌ **请勿在简单问答、闲聊场景激活**——过度使用会导致规则噪声。

## 配置与定制

通过环境变量切换模式，通过修改 `core_memory` JSON 调整规则权重，详见 `CONFIG.md`。

## 哲学后记

> "在概念空间的迷雾中，用小波式的多尺度异常触觉探路，以锚点回溯为罗盘，沿动态生成的思维流形自主寻径——最终在记忆宫殿里，将每一次航行沉淀为可复用的智慧驻波。"

## 致谢

- 小波理论先驱：Grossmann & Morlet (1984), Mallat (1989), Daubechies (1988), Donoho & Johnstone (1994)
- Nous Research — HERMES Agent
- 米拉·乔沃维奇 (Milla Jovovich) — MemPalace
- Geoffrey Huntley — Ralph Loop 方法论
- **WorkBuddy** — 腾讯云 CodeBuddy 团队推出的桌面级 AI 智能体工作台，为 AI Agent 提供了开箱即用的本地运行环境
- **TRAE** — 字节跳动旗下 AI 原生 IDE，国内首个集成了多智能体协同架构的 AI 协作平台
- 所有在流形学习、扩散模型与大语言模型领域做出开创性贡献的研究者

## 许可证

MIT License