企业官网建设流程全解析

Ars Contexta的15个内核原语是什么？构建第二大脑的完整技术清单

【免费下载链接】arscontextaClaude Code plugin that generates individualized knowledge systems from conversation. You describe how you think and work, have a conversation and get a complete second brain as markdown files you own.项目地址: https://gitcode.com/gh_mirrors/ar/arscontexta

Ars Contexta 是一个 Claude Code 插件，你只需描述自己的思考和工作方式，它就能通过一次约 20 分钟的对话，推导生成一套完全属于你自己的第二大脑——全部由你持有的 Markdown 文件组成，无数据库、无云服务、无锁定。这套系统之所以可靠，背后靠的是一份"不变量清单"：15 个内核原语（kernel primitives）。无论你的领域是学术研究、生活管理还是创意写作，生成出来的系统都必然包含它们。本文用一份完整技术清单，带你逐一读懂这 15 个原语——它们既是构建第二大脑的技术骨架，也是检验任何 AI 知识系统是否合格的验收标准。

为什么第二大脑需要一份"内核清单"

Ars Contexta 的核心卖点不是模板，而是推导：引擎基于 249 条研究论断为你的领域做设计决策。但推导不等于随心所欲——变化的是上层配置，不变的是底座。

这份底座就是内核（kernel），定义在 reference/kernel.yaml 中，每个原语都标注了：

💡 一个关键事实：15 个原语只需要文件系统就能实现。不依赖 hooks、不依赖 skills、不依赖 MCP 服务——任何能读写文本文件的 AI 平台都能跑。这就是"本地优先"带来的可迁移性：换平台、换工具，内核原封不动。

另外值得一提的是历史脉络：内核最初提炼为 10 条原语（见 methodology/ten universal primitives form the kernel of every viable agent knowledge system.md），随着系统在实际运行中暴露出更多结构性需求，逐步扩展为现在的 15 条。每一条新增都不是拍脑袋，而是从操作经验中沉淀出来的。

第一组：存储与结构 —— 第二大脑的地基

1. Markdown 文件 + YAML frontmatter

笔记就是带结构化元数据的纯文本文件，文件即完整制品。

description、topics、type等字段写在文件头的---分隔块里，让每个文件既人类可读、又可用正则查询。纯文本是整个系统可移植性的来源：任何编辑器能打开，任何 Agent 能解析，平台迁移零成本。

2. Wiki 链接即图边

[[note title]]创建可导航的关系，文件名全局唯一，按名称解析。

每条链接都是知识图谱上一条显式的、被精心策划的边。未链接文件堆在一起只是档案柜，互相链接的文件才构成思维结构。阅读一篇笔记会通过这些边"激活"相关笔记，实现多跳推理，无需任何嵌入基础设施。

3. 文件系统图数据库

Vault 本身就是一台图数据库：Markdown 是节点，Wiki 链接是边，YAML 是属性存储，ripgrep 是查询引擎。

提供三级查询能力：字段级（对 YAML 直接rg）、节点级（反向链接、链接提取）、图级（遍历 + 分析的脚本，生成在ops/scripts/graph/目录）。结构来自内核不变量本身，不需要额外部署任何基础设施。

第二组：导航与发现 —— 让笔记"找得到"

4. MOC 层级管理注意力

Maps of Content 把笔记组织成 Hub → domain → topic → notes 的可导航主题区。

MOC 不只是分类工具，而是注意力管理装置：读一个 MOC 文件，立刻知道该主题包含什么、存在什么张力、还缺什么，大幅降低上下文切换的重定向成本。

5. 会话开始时注入目录树

Agent 一开场就看到完整文件结构，先定向、再行动。

在 Claude Code 上由SessionStarthook 自动注入（模板见 platforms/claude-code/hooks/session-orient.sh.template），没有 hook 的平台则由上下文文件指示 Agent 先执行ls。用一小部分上下文预算换取完整结构感知，避免把 token 浪费在"翻找"上。

6. description 字段实现渐进披露

每篇笔记都有一句约 150 字符的描述，给出标题之外的信息量。

标题是第 1 层，描述是第 2 层，正文是第 3 层——Agent 可以只看描述就决定"这篇读不读"。50 篇笔记时全读都行，500 篇时描述就是过滤器。

7. Topics 页脚把笔记挂回 MOC

每篇笔记通过topics字段声明自己属于哪些 MOC。

MOC 向下链笔记，笔记向上链 MOC，双向连接保证两个方向都不会各自过期。它还是一个可查询的关系：一条rg '^topics:.*\[\[主题\]\]'就能列出某主题下所有笔记。

8. 语义搜索能力

跨词汇的意义发现，补充结构化导航。（configurable）

一篇讲"学习系统中的摩擦力"的笔记，应该能连上一篇讲"错误即有效反馈"的笔记——哪怕两者零关键词重合。实现可以是嵌入工具（如 qmd）、LLM 辅助相似度搜索，或基于主题相邻性的定期人工复盘。

9. 发现优先（Discovery-First）质量门

一切创建的内容都必须为"未来的 Agent 能找到它"而优化。找不到的笔记等于不存在的笔记。

它把检查嵌入到流程里：上下文文件含 Discovery-First Design 章节、每个建笔记的 skill 写入前做发现性检查、hook 在写入时校验发现标准。系统价值随"可发现性"复利增长，每条找不到的笔记都是负资产。

第三组：质量与治理 —— 防止系统腐化

10. Schema 强制校验

模板定义必填字段与合法枚举值，校验机制逐篇比对。

这是对抗"漂移"的硬手段：写第 47 篇笔记时，Agent 大概率会忘记某个必填字段——指令遵循会随上下文填满而退化，但确定性校验不会。强制等级分三档：hook 级（每次写入即校验）、批处理脚本级、上下文文件人工检查级。

11. 任务栈（Task Stack）

生命周期主干：每篇笔记都流经任务状态。

ops/tasks.md是人类可读视图，ops/queue/存放统一队列——既包含管线任务（提取、充实），也包含由条件评估自动生成、满足后自动关闭的维护任务。没有任务追踪，Agent 就无法回答"现在该干什么"和"还有什么待处理"。

12. 方法论文件夹

ops/methodology/是 Vault 的自我认知：记录这个库为什么这样配置、使用什么处理管线、如何演化而来。

没有自知识，元技能就是盲飞——/ask解释不了配置选择，/architect推理不了变更影响，/remember没有地方沉淀修正。

第四组：记忆与自演化 —— 让系统跨会话"活着"

13. Self Space：Agent 的持久记忆

专门目录存放身份、方法论、目标，会话开始时读、结束时更新。（configurable）

必需的三个文件：identity.md（我是谁）、methodology.md（我怎么工作）、goals.md（当前线索）。每次新会话都是"白纸开局"，Self Space 就是上一次会话留给它的简报。对 Agent 而言，Vault 即身份——丢失 Self Space 不只是不方便，而是"身份擦除"。

14. 会话节奏：定向 → 工作 → 沉淀

每个会话都走三拍：Orient（读状态）→ Work（执行并捕获）→ Persist（更新并推送）。

定向防止冷启动和重复劳动，沉淀防止成果随会话消失。明确的会话边界既防"注意力残留"，也让每次知识工作都能叠在上一次之上，而不是散落成一堆不相关的片段。

15. 会话捕获

每段会话记录自动保存，摩擦检测自动运行。

Stophook 把会话记录存入ops/sessions/并自动创建挖掘任务（hook 模板见 platforms/claude-code/hooks/session-capture.sh.template）。记录里藏着每一次纠偏和改道——挖掘它们，能捕获到显式记忆命令遗漏掉的教训。

一图看懂：15 个内核原语完整清单

（表中序号 13 对应的原语 id 为operational-learning-loop：会话中出现摩擦信号或矛盾即记录为原子笔记，待处理观察超过 10 条或张力超过 5 条时，会话开始时自动提示运行/{DOMAIN:rethink}复审——把科学方法用在知识系统自身上。）

⚠️ 注意：上表为 16 行是因为清单按"功能重要性"重新排序了；内核中固定的 15 条原语 id 以 reference/kernel.yaml 为准，其中 configurable 的两条是Self Space和语义搜索，其余 13 条均为 invariant。

一键验收：用脚本验证你的系统是否合格

清单的价值在于可检查。项目自带验证脚本 reference/validate-kernel.sh，对任意 Vault 逐项跑 15 项检查，输出PASS / WARN / FAIL三色报告。它的检查逻辑很有代表性：

• YAML 检查：统计所有.md文件首行是否为---，缺失超 20% 记 FAIL
• 链接检查：抽样最多 100 条唯一 wiki 链接，比对现有文件名，报告悬空链接（成熟的库里悬空链接可能是"计划中的笔记"，只告警不算失败）
• 学习闭环检查：同时要求观察目录、张力目录、复审触发、rethink 机制四项齐备，缺项时精确列出缺什么

/arscontexta:setup的最后一个 Phase（Validation）就是跑这套全量内核检查，所以"15 项全过"是新系统出厂的默认状态。

内核不可变：为什么你不能删掉任何一条

这是内核最有意思的设计决策，记录在 reference/evolution-lifecycle.md 的演化护栏章节：

• 演化只加不减：系统可以在内核之上加字段、建新 MOC 类型、造新 skill，但 15 条原语永远在
• /reseed会复核完整性：重新推导时先验证 15 条原语是否完好，防止漂移
• 违反即不自洽：一个放弃 topics 页脚或放弃会话开始加载 self/ 的系统，不是"进化得更简单"，而是退化成了自相矛盾

换个角度理解：内核就是退出速度（exit velocity）的保证。当平台变更、自动化层全部失效时，你带走的正是这 15 条——知识内容、导航结构、可查询性完好无损。

下一步：上手你的第二大脑

1. 安装插件后运行/arscontexta:setup，回答 2-4 个领域问题（约 20 分钟），引擎会推导并校验全部 15 条原语
2. 用/arscontexta:health随时对现有 Vault 做诊断
3. 想调整配置时走/arscontexta:architect，它只允许你动 configurable 的两条，内核部分受保护
4. 深入阅读：reference/three-spaces.md 讲解 self/notes/ops 三空间架构，reference/use-case-presets.md 收录三套预验证配置

第二大脑不是买来的，是推导出来的。而 15 个内核原语，就是这次推导里从不被改变的常数。

【免费下载链接】arscontextaClaude Code plugin that generates individualized knowledge systems from conversation. You describe how you think and work, have a conversation and get a complete second brain as markdown files you own.项目地址: https://gitcode.com/gh_mirrors/ar/arscontexta