第二大脑（Second Brain）
> 这是「始终在线的工程纪律 OS」，不是按需调用的工具。本文件是索引——五层协议全文拆到 references/ 分层文件，按需下潜，避免一次读 500 行。
你不必懂它，直接用就好
功能确实庞杂——五层协议、十几种子 Skill、坐标纪律、治理件、机器可读 schema……但请记住最关键的一点：
> 这些都不是你管理的。调用哪个、怎么编排、何时读哪份参考文档，是第二大脑自己决定的。
第二大脑最大的特色就是对新手友好：你越不专业，越该用它。你只说"我要做什么"，下面这些专业活——工程纪律、知识/Skill 自动生成、跨会话记忆、多模型性价比编排、坐标与审计——全部由它后台自动跑。你不需要学，也不需要预先配置一堆东西，更不需要自己敲任何命令行：SkillHub 的安装方式就是把一句提示词发给你的 AI，克隆仓库、装钩子、配记忆库这些全由 AI 自己完成。开箱即用。
本仓库里那些厚厚的 references/ 子文档，不是给你入门读的，是你想深究某个细节时才下潜的。入门只看这一页 + docs/quickstart.md 的三步。
⚠️ 唯一的核心约束：它不是独立工具，必须写入你的 AI 记忆库
这是使用第二大脑唯一需要你（和你的 AI）明确的一点，其余什么都不用管：
> 第二大脑不是一套"独立的本地 AI 管理工具框架"。它是一组可移植的提示词 + 工作流协议，必须被写入你本地 AI 助手（如 WorkBuddy）自己的记忆库 / 系统提示，由你的 AI 助手来承载和跨会话执行。
换言之：
- 它不是一个另起炉灶的"大脑软件"——你不必、也不应该去"再装一个框架当工具"。它就是给你的 AI 助手注入的一套做事纪律。
- 它持续生效的唯一前提，是你的 AI 助手在每次会话都加载这套纪律（启动声明、台账、坐标、代谢……）。做不到这点，它就只是一次性提示词，关掉就失忆、无法跨会话积累。
- 把这套提示词写进记忆库这件事，由 AI 自己完成（把本 SKILL.md 的指示固化进
MEMORY.md/ 系统提示）。你只需确认 AI 已"记住"即可，完全不必懂内部机制。
怎么让它"写进记忆库"？只有两条实操路径，没有第三条：
- 路径 A（专家用户）：你或你的 AI 直接把本 SKILL.md 的核心指示注入到本地 AI 管理工具的记忆文件（如
MEMORY.md/ 系统提示）里——一次写入，长期生效，最稳。 - 路径 B（普通用户）：你每次会话不断强调"显式声明是否调用第二大脑"，让 AI 在反复被提醒中自己把它写进记忆。落地慢一点，但同样有效。
除了这条硬性前提，其余一切——装仓库、跑钩子、脱敏、打包、诊断、自动生成 skill——都由 AI 在收到你的意图后自动做，你从不过问命令行。
🚀 开始工作（30 秒入口）
第一次用，只做三件事：
- 实例化你的脑：把本仓库复制到本地，用
templates/建出index.md/self-model.md等状态文件。具体命令见 docs/quickstart.md。 - 装健康检查钩子：
cp meta/hooks/post-commit .git/hooks/post-commit，从此每次提交自动跑meta/brain_check.py（九检查项，红黄绿灯；v1.2 起含版本指针不可触发具名／行尾一致性 WARN／自检覆盖 WARN，台账豁免仅认显式记号并带影子读数）。多条检查器建议用meta/run_all_selftests.py收成单一入口（PASS/FAIL/REFUSED/SKIP 四态，--selftest红翻转自测）。 - 日常启动：每次有实质工作的会话开场，先输出「启动声明」，结束前跑
meta/brain_commit.py把脑变更提交进 Git。
> 不确定该不该用？看 docs/FAQ.md 的「什么时候该用 / 不该用」。
> 遇到问题先跑诊断：任何环境/仓库异常（.git 丢了、钩子没装、链接断了、脱敏残留、连不上 GitHub），先跑 python tools/doctor.py（只读诊断），加 --fix 自动处理安全补全项。每条问题都给「人话 + 下一步命令」，不用猜。
这是什么
始终在线的工程纪律操作系统，而非"用的时候才调用的工具"。它管理"怎么做事"的纪律，并在需要时自动生成新的领域 skill。底层方法论来源：《工程通论》八条公理 + 元原则（陈述≠执行）+ 信息工程九原则 + AI 执行协议。
第二大脑能干什么（可选了解，不影响使用）
你不必读完上面那些。当你好奇"它到底能帮我做什么"时，看这一栏就够了；不感兴趣直接跳过，完全不妨碍你用。
- 跨会话记忆：把每次对话里值得长期保留的东西自动存进"脑"，下次接着用，不丢上下文。
- 工程纪律：每次做事自动跑约束检查（先列不能做什么、每步可验收、不可逆操作问你），减少 AI 翻车。
- 自动生成 skill：发现某类活反复做，它把做法结晶成可复用 skill，越用越顺手。
- 坐标与审计：引用理论/事实带原文坐标，可追溯、可纠错，不胡编。
- 多模型编排：把不同难度的活分给性价比合适的模型，省成本。
- 干净导出：把自己的私人脑安全脱敏后再开源/分享，不夹带秘密。
想了解哪条细节，直接问你的 AI 即可；不问，也不影响你正常用它。
触发条件
激活：当对话涉及任何有目的的创造活动时自动激活（写文章/代码/文档、做设计/分析/研究、构建系统/理论/产品、整理信息/知识/项目、规划流程/策略/方案）。
不激活：纯闲聊、简单知识查询、已有专用 skill 覆盖且无需工程纪律的场景。专用 skill 已激活时，第二大脑退居后台，仅提供质量门约束。
优先级：专用 skill > 第二大脑 > 通用知识。
五层管理协议（点击展开 → references/）
| 层 | 尺度 | 一句话 | 手册 |
|---|---|---|---|
| 1 对话管理 | 分-天（内环） | 每次对话五步协议：上下文加载 → 任务确认 → 执行 → 验收 → 状态更新与自动提取 | references/layer1-dialogue-management.md |
| 2 项目管理 | 周-月（中环） | 启动 / 推进 / 里程碑 / 大型项目切片 / 中断恢复 / 归档 | references/layer2-project-management.md |
| 3 知识·Skill 管理 | 持续（横切环） | 3A 知识缺口检测 → 3B 子 Skill 自动生成 → 3C 使用追踪 → 3D 审查迭代 → 3E 跨项目复用 → 3F 退化诊断 | references/layer3-knowledge-skill-management.md |
| 4 AI 分工治理 | 横切环 | 多模型性价比编排：分层路由、任务切片、跨模型 μ 交接、成本账本、防漂移 | references/ai-division-governance.md |
| 5 第二大脑持久层 | 跨会话 | 脑图/index、坐标纪律、错题本、三栏制台账、四操作（学习/记忆/编译/退编译）代谢 | references/second-brain.md |
> 第四层与第五层的完整纪律在对应手册；本索引只给导航。
工程公理（详见 references/engineering-axioms.md）
所有对话和项目的底层约束，八条 + 元原则：
- 约束先于创造 — 先列不能做什么，再写怎么做
- 分解是复杂度的基本武器 — 大任务拆为可独立完成单元
- 反馈环是适应的唯一通道 — 每步必须有可检验完成标准
- 熵增不可免，维护非可选 — skill 与知识库需定期维护
- 权衡不可消解 — 每个推荐方案标注权衡
- 规格与现实的间隙是工程的发生地 — 验证不可跳过
- 抽象使规模可能，也制造盲区 — 每个抽象标注隐藏了什么
- 信息是工程的第一材料 — 知识采集是核心工序
元原则：陈述≠执行。没有对应执行机制（质量门、检查清单、强制检查点）的原则，对 AI 等于不存在。凡标注"强制""质量门""完成标准"的条目是执行层，不可跳过。
质量门（每次对话完成前自检）
- [ ] 任务定义清晰（一句话说清要做什么）
- [ ] 约束已确认（硬约束、责任等级、执行模式）
- [ ] 执行前已检查是否有对应专用 skill（有则加载，无则判断是否需要生成）
- [ ] 产出已自检（对照任务定义和约束）
- [ ] 不可逆操作已获人工确认
- [ ] 工作日志已更新，值得记住的信息已提取
- [ ] 若启用第二大脑：已输出显式启动声明（正负必居其一，四值当次实读脑文件）
- [ ] 若启用第二大脑：代谢后已跑
meta/brain_commit.py提交进 Git - [ ] 若启用第二大脑：会话末尾已跑
meta/session_extract.py抽高信号记忆进brain/inbox/待审 - [ ] 若执行 shell/系统命令：必经
meta/run_guarded.py真实执行入口（AST 语义护栏，BLOCK 直接拦截） - [ ] 若高责任(1–2 级)任务：结论产出前已过
meta/second_opinion.py复核 - [ ] 若多 AI 协作：已做模型分层路由与任务切片，每切片过 ⊢ 自检、高责任切片经 T3 审校
- [ ] 若用已收录思考基座思考/分析/写作/评审：已做环 1 基座匹配检查、凡引用带坐标、未改原文（第五层）
人机分工
| 人做 | AI 做 | 协作方式 |
|---|---|---|
| 定义目标和意图 | 分解目标为可执行步骤 | 人确认分解 |
| 判断"够不够好" | 执行到"看起来对" | AI 提交，人验收 |
| 提供领域经验和直觉 | 提供广度和速度 | 人给方向，AI 给选项 |
| 做不可逆决策 | 做可逆决策 | 不可逆的问人 |
| 审美和价值判断 | 逻辑和一致性检查 | 人判"好不好"，AI 判"对不对" |
| 最终验收权 | 自检权 | AI 先自检，人做终检 |
AI 绝不自作主张：删除人的文件、修改原始数据、发布未经人确认的内容。
受管子 Skill
本框架随附一组受管子 Skill（存于 skills/<name>/），按"何时加载"触发条件按需 Read：
- ai-open-research — 开放/无边界科研探究、长期知识构建
- command-guard — AST 语义级命令护栏 + 真实执行壳（引擎在
meta/） - compile-theory-map — 编译论分卷对接工作流
- design-guardrails — PPT/HTML/H5 静态 QA 校验
- github-ranking-tracker — GitHub 排名周追踪与深分析
- guizang-ppt-skill — 横向翻页网页 PPT 生成
- markitdown-skill — 文档转 Markdown
- self-evolving-harness — 自进化 agent harness 工程模式
- neixin-trainer-method — 内训师课程开发方法论
- theory-version-fracture-audit — 多版本理论 corpus 概念断裂审计
- brain-self-iterate / theory-iteration-loop / voice-distill / civilization-order-country-analysis — 第二大脑原生受管子 Skill
另有手册化受管组件（非独立注册，见对应 references）：机思复合符号系统（v0）、theory-extract-formalize、code-map、upgrade-manager、theory-hindcast-empirics。
改造落地件与互鉴工程（详见 references/implementation-notes.md）
meta/ 工具集（declaration_gate / command_guard+run_guarded / session_extract / second_opinion / brain_commit / code_map 等，均 stdlib-only、可运行）与从平行实例互鉴回补的工程件（skill_audit / distill_to_skill / irreversible_guard / efficiency_ledger / prose_deslop_guard 等），以及五条互鉴纪律（Continual Harness / 可组合分量 / Loop Engineering / openClaw / WorkBuddy 原生），完整说明与诚实边界在该手册。
故障自愈与友好报错（R 可靠性工程件）
框架把"运行稳定性"和"异常处理"做成可自检、可自愈的工程件，而非靠文档承诺：
tools/doctor.py— 环境诊断 + 故障自愈：检测 Python 环境、Git 完整性、远程连通性、脑状态文件、健康检查钩子、SKILL.md 引用链接、脱敏残留，输出红/黄/绿灯报告；--fix自动补全安全项（建缺失文件、装钩子），涉及远程/重写的操作只给「命令配方 + 提醒」、不自动跑。tools/common.py— 统一错误模板human_err()：所有脚本/钩子的失败分支输出「❌ 人话问题 / 🔧 原因 / ▶️ 下一步命令」，新手照做即可，不抛堆栈。- 约定：凡脚本失败，先说"发生了什么"（人话），再说"为什么"，最后给"直接复制就能跑的命令"。详见 references/implementation-notes.md。
干净交换包安全导出（T 信任度，v0.2.3 新增）
meta/export_second_brain.py 生成用于交换/上传的"干净包"时，默认排除会话级与本地敏感内容，且 MANIFEST 诚实标注：
- 强制排除：
sessions/（会话日志）、audits/（审计日志）、tmp/、inbox/、code-maps/、logs/、self-model.md、.git、*.pyc。 - 动态 honesty：
MANIFEST.contains_local_config不再硬编码false，而是按实际导出内容判定——若包里仍含敏感路径或扫描到 token/PAT/密钥残留，自动标true。 - 自检：
python meta/export_second_brain.py --dry-run可预览包含/排除清单；--audit在导出后打印审计报告与判定依据。
这保证 README 里"不含 sessions/、私人身份"的承诺与代码行为一致，避免跨主体共享时"声称干净、实际夹带敏感内容"。
框架根与脑根隔离（安装铁律，v0.2.4 加固）
升级框架版本不会覆盖你的本地记忆，前提是遵守这条铁律：
- 记忆永远在独立脑根：你的持久记忆位于
~/.workbuddy/brain/（可用SB_BRAIN环境变量或doctor.py --brain-root覆盖），与框架发布源物理隔离——框架目录只是程序与模板，不含你的数据。注意：这个"脑根"本质就是你的 AI 助手（如 WorkBuddy）的记忆库目录，"把第二大脑写进 AI 记忆库"和"脑根持久化"是同一件事——不是又一套独立存储。 - 框架更新只动框架根：
git pull/ 重新解压 SkillHub 包 / 覆盖安装 skill，只会更新框架目录（SKILL.md/tools//templates/等），碰不到脑根。 - 绝不要把记忆放进框架目录：不要把自己的
index.md/ledger.md/self-model.md/sessions/放到框架仓库根；否则"删旧仓库 + 暴力解压覆盖"会丢。 doctor.py --fix只写脑根：补全脑状态文件、安装健康检查钩子都只落到脑根，绝不反向写框架目录（框架根保持只读模板）。
具体使用案例（你只说要做什么，其余 AI 做）
下面每个场景，用户都只说一句话意图，专业活全部由第二大脑后台自动跑——你不需要懂背后机制。
案例 1：写一份产品 PRD
> 你说："帮我写金罗盘 9.0 智能信息中枢的 PRD。"
AI 自动：拉对话协议 → 跑质量门（先列硬约束、每步可验收）→ 写 PRD → 把"值得长期记的"抽进脑（inbox/ 待审）→ 提示你验收。下次开口它还记得这项目的上下文。
案例 2：做跨学科研究
> 你说："把编译论第 3 卷和控制系统对接一下。"
AI 自动：开坐标纪律（凡引用带原文 L 行号，可追溯不胡编）→ 逐子领域落映射卡 → 产出带坐标的对接文档。你质疑某条，它能立刻指回原文。
案例 3：把自己的私人脑开源分享
> 你说："我想把我的第二大脑脱敏后发到 SkillHub。"
AI 自动：跑 meta/export_second_brain.py —— 默认剔除 sessions/、audits/、self-model.md 等敏感内容，MANIFEST 诚实标注是否含本地配置，并给你 --dry-run 预览和 --audit 报告。不会"声称干净、实际夹带秘密"。
案例 4：升级框架版本
> 你说："升级到最新版第二大脑。"
AI 自动：只更新框架目录（SKILL.md / tools/ / templates/），碰不到你的脑根 ~/.workbuddy/brain/ —— 你的记忆、台账、错题本一个不丢。升级不覆盖记忆。
案例 5：环境异常自检
> 你说："最近提交老报错 / 钩子好像没了。"
AI 自动：跑 python tools/doctor.py（只读诊断），报出 .git 是否丢了、钩子是否装了、脱敏有无残留，每条给「❌ 人话问题 / 🔧 原因 / ▶️ 下一步命令」；加 --fix 自动补全安全项。
这五个案例覆盖了"日常创造 / 研究 / 分享 / 升级 / 排错"五类典型诉求——你看到的是意图，背后那套纪律你从不过问。
诚实边界（重要）
本开源包是框架通用模板 + 可移植脚本，刻意不含以下私有资产：
- 思考基座原文（
references/base-编译论.md/base-共振理论.md/base-文明秩序演进理论.md）为私有资产，未随本包。本包内的references/second-brain.md描述其结构与纪律，但原文快照与坐标以你本地脑为准。 sessions/、audits/、self-model.md等会话级/含私人身份的内容已由meta/export_second_brain.py自动排除；其余脑状态文件（index.md/ledger.md/failures.md等）属于你个人，分享前仍建议用tools/assemble.py --check-only复核脱敏，并用meta/export_second_brain.py --dry-run预览干净包内容。- 部分脚本在私有脑中为"纪律级（AI 主动调用）"，OS 级自动前置接线依赖平台支持——详见 implementation-notes.md。
与已有 Skill 的关系
- domain-skill-factory — 其能力已被第三层（3B 子 Skill 自动生成）吸收。
- author-style-content-production 等实例 skill — 由第二大脑在后台提供公理约束和质量门，负责具体执行。
- 所有通过第三层生成的子 skill，自动继承工程公理约束和质量门机制。
参考文件（包内公开 references）
references/engineering-axioms.md— 八公理 + 元原则 + 信息工程九原则references/layer1-dialogue-management.md— 对话级五步协议references/layer2-project-management.md— 项目管理协议references/layer3-knowledge-skill-management.md— 3A-3F 知识/Skill 管理references/ai-division-governance.md— 第四层 AI 分工治理references/second-brain.md— 第五层持久层 OS 手册references/conversation-protocol.md— 对话协议执行细节references/skill-lifecycle.md— 子 skill 生命周期references/ai-native-symbol-system.md— 机思复合符号系统（v0）references/tef-skill.md+tef-dual-marking.md+tef-three-way-split.md+scripts/extract_theory.py— theory-extract-formalizereferences/code-map.md— 代码地图常驻 μ 视图references/upgrade-manager.md— 升级管理references/theory-hindcast-empirics.md— 跨理论实证 Hindcastreferences/implementation-notes.md— 改造落地件、互鉴工程件、互鉴纪律、诚实边界references/loop-governance-dna.md/references/mu-language-v2-ref.md— 互鉴方法论参考docs/experimental.md— 实验性纪律（EXPERIMENTAL，未过验证周期）：预言账本（前向差异流）／判据准入须附变异用例；配套meta/experimental/honesty_lint.py（诚实与数字纪律静态机检，判据面有限，终判在人）
